为什么要数据分片？

所有的应用都可以归结为两种操作的集合：读 和 写 。

随着数据量的增加，单台机器的能力是有限的。一方面，机器的容量会无法容纳数据，另一方面数据的读取速度会变慢。

所以我们可以将数据分片，分到多台机器上，这样的话存储压力和读取速度就变快了。

上述是数据分片的好处，但也带来的挑战：

1. 分布式事务
   数据被分到不同的数据库，无法保证事务
2. 数据查询难度变高
   没分片之前，只需要在一台机器上就可以查出全部的数据，分片之后，需要从所有机器上查出所有的数据，然后进行整合。并且还需要维护数据和机器之间的映射关系。
3. 扩展问题
   当扩展机器的时候，数据映射的结果发生变化，数据需要在机器之间搬运。

数据分片的做法

哈希

对主键或者其他字段进行hash，然后hash%n，n是机器的个数，取模的结果作为数据存储的机器

好处： 数据分布均匀
坏处： 扩展机器的时候，搬运的数据太多。

一致性哈希

为了改善哈希导致的数据搬运问题，引入了一致性hash。

一致性hash的做法：
1、将机器的ip或者其他信息来作为hash的字段，将hash%2^32-1，作为机器的位置
2、对数据的主键或者其他字段进行hash，也hash%2^32-1。数据存放的位置是哈希结果顺时针的第一个节点。

好处： 数据搬运变少，当增加或者减少机器的时候，只与其顺时针的下一台机器有关。

坏处： 如下图所示，数据不均匀，大部分数据都落到了机器A上。如果A机器要去除，所有的数据都会转移到B上，大量的数据会导致B的宕机。

带有虚拟节点的一致性哈希

对于一台机器，加入多个虚拟节点，虚拟节点指向同一台物理机器。

好处：
1、数据的分布就均匀了
2、可以根据虚拟节点的个数来调整机器的权重。如果一个机器的配置比较好，就可以为其分配更多的虚拟节点，让其存储更多的数据

当删除一台机器的时候，该台机器的数据会被转移到多台机器上。

range分片

按照时间、id等字段的范围来分片。

好处：
查询比较方便，因为可以清楚的知道机器中存储的数据的范围

坏处：
1、数据分布有可能不均匀

参考

一致性hash