数据分区再平衡
分区再平衡
采用取余的坏处
如果采用取模的话，新添加节点或者删除节点，都有可能导致分区中的数据进行移动，最简单的例子，之前有10个节点，那么分区1000计算方法为1000%10 = 0，就在第0个分区，如果此时添加一个新的节点，变为了1000%11 = 10，此时就要将之前存在于下标为0的节点数据重新分配到下标为10的节点，导致性能损失。
固定分区数量
改策略是指提前规定好分区有多少个，比如说提前固定分区有1000个，然后当前有10个节点，那么每个节点就存在100个分区。这样做的好处就在于，如果存在新添加的节点，那么只需要将之前节点中存在的分区划分给新节点即可，如下图所示：
这样可以避免采用取余的坏处，并不需要频繁的移动每个分区的数据。
动态分区
如果之前的分区不是很合理，导致了一个分区中存在大量的数据，而其他分区几乎是空的，就可以利用到动态分区。
他的设计方式如下：提前设置一个阈值，当某一个分区达到该值之后，就会将该分区拆分为两个分区，如果某些分区数据特别少，那么就会将相邻的两个分区进行合并。该过程类似于B树的分裂或者合并。
它的一个优点是分区数量可以自适应数据的总量，但是在一个空数据库中，一开始可能只有一个分区，当道达分裂点后，后续的写入可能还是会在一个分区中进行。
按节点比例分区
该分区方式中，每个节点有固定数量的分区。
当节点数量不变时，每个分区的大小与数据集的大小成正比，当节点数增加时，分区则会调整变得更小。
当一个新的节点加入分区时，随机选择固定数量的分区进行分裂，然后拿走这些分区一半的数据量。
路由发现
当数据被分散到多个节点上时，我们读取数据的时候，如何知道我们想要的数据在哪里，这始终是一个问题，该问题也称为服务发现。
解决办法有以下三种：
而该过程中，可能需要一些其他的第三方软件，比如Zookeeper。
参考
《数据密集型系统设计》