分区与分片：把数据打散的艺术
本文基于模型知识整理（生成时未联网核对），关键结论建议对照经典文献复核。
一句话定义
分区（sharding）把大数据集按 key 拆到多节点以突破单机容量与吞吐上限；核心决策是按范围还是按哈希切、路由表放哪里、以及如何保证再平衡时数据不大搬家——一致性哈希与固定分片数是两大主流答案。
为什么重要
分区是横向扩展的第一手段（kp-002 消除全局瓶颈），也是所有主流分布式存储的地基（Kafka partition、Redis slot、TiDB Region、Dynamo ring）。分区的 key 选错会造成热点与跨片查询风暴——这类设计失误在上线后极难回滚，必须在建表期想清楚。
前置知识
kp-002（可扩展性）、哈希函数基本性质。
核心概念
- 范围分区（range）：按 key 区间切分（如时间、ID 段）；范围查询友好，但容易热点（最新数据集中一片）。
- 哈希分区（hash）：hash(key) 决定归属；负载均匀，但丧失区间扫描能力。
- 一致性哈希：把节点与 key 都映射到环上，key 归顺时针首个节点；节点增减只影响相邻区间，配合虚拟节点（vnode）平滑负载——Dynamo/Cassandra 路线。
- 固定分片 + 元数据路由：逻辑分片数固定（如 Redis 16384 slots、Kafka partition 数），物理节点映射分片集合；再平衡只搬分片不重算 hash——多数现代系统的选择。
- 路由层：客户端直连（感知集群拓扑，Redis Cluster MOVED 重定向）、代理层（Twemproxy/Vitess）、或协调服务存储路由表（kp-020 的 etcd/ZK）。
原理与机制
分区键的选择标准：① 写入/读取负载均匀（避免名人热点：明星账号、爆款商品——kp-026）；② 高频查询能落到单分区（避免广播）；③ 与事务边界对齐（跨分区事务贵，见 kp-023/024）。三者经常冲突，典型折衷是复合键（tenant_id + entity_id 打散租户内热点）与二级索引的局部化（本地索引 vs 全局索引的取舍：本地索引查询需扇出，全局索引写入需跨片）。
一致性哈希为什么能平滑扩缩容：朴素 hash(key) mod n 在 n 变化时几乎全部 key 重映射；一致性哈希把"取模对象"从节点数改为环位置，节点变化只迁移环上相邻弧段（平均 1/n）。虚拟节点进一步把每节点拆成上百个 vnode，消除异构机器负载不均与单点弧段过大问题。
请求路由与元数据一致性：拓扑变更期间旧路由缓存会指向错误节点，协议必须有自愈动作（MOVED/ASK 重定向、客户端拓扑刷新、经协调服务的租约路由表）。路由元数据本身是共识数据（kp-019/020）。
图示
一致性哈希环:
n1(0~99) n2(100~199) n3(200~255)
key=h(x) 顺时针找首个节点; n3 下线只搬 n3 的区间给 n1
固定分片: 16384 slots → 按组分配给节点; 扩容=迁移 slot 归属(不重算key)直观类比
图书馆排书：按书名字母分段上架（范围分区，找区间方便但新书面集中在某一架）；按封面颜色哈希上色上架（哈希分区，找单本快但"从A到C全看一遍"要跑遍全场）。新增书架时，一致性哈希相当于只把相邻架子的书匀一半过去，而不是全馆重排。
实例或案例
- Kafka：partition 即分区单元，key 路由保序（kp-008）；分区数决定并行度上限。
- Redis Cluster：16384 slots + MOVED 重定向 + gossip 维护拓扑（kp-010）。
- TiDB：Region（默认 96MB）自动分裂合并 + PD 调度（路由元数据中心），Multi-Raft 承载（kp-032）。
- DynamoDB：hash+range 复合主键；分区随容量自动分裂，配额按分区计。
常见误区
- 误区一："分片数等于机器数"。现代设计用远多于节点数的逻辑分片（vnode/slot/region），扩缩容只是迁移分片归属，避免大规模重哈希。
- 误区二："用自增 ID 哈希就够了"。自增 ID 顺序写入在范围分区下全打到最后一片；时间序列数据同理——需要加盐/打散或改哈希分区。
- 误区三："跨分区查询加个广播就行"。扇出查询的延迟由最慢分区决定（kp-002 尾延迟放大），高频路径必须设计成单分区可达。
与其他知识点的关系
- kp-026：再平衡与热点的工程处理。
- kp-010：无中心集群的拓扑靠 gossip 维护。
- kp-019/032：每分片一个共识组的 Multi-Raft 架构。
- kp-023/024：跨分区事务是分布式事务的直接成因。
自测题
- 范围分区与哈希分区各自的典型适用场景？
答：范围分区适合区间扫描与时序数据（注意尾部热点）；哈希分区适合点查与均匀负载（丧失区间能力）。
- 一致性哈希相比 hash mod n 的核心改进？
答：节点增减只影响环上相邻区段（约 1/n 的 key 重映射），配合 vnode 消除负载倾斜，避免全量重哈希。
- 选分区键要同时满足哪三点？
答：负载均匀（防热点）、查询单分区可达（防扇出）、与事务边界对齐（防跨片事务）；冲突时用复合键折衷。
延伸阅读
- Martin Kleppmann《DDIA》第 6 章。
- Karger 等, "Consistent Hashing and Random Trees"（STOC 1997）。
- Redis Cluster / TiDB PD 设计文档。