知识卡片
数据分片与任务分片是两种正交的并发手段
内容
数据分片是把数据切成多份并行处理（分库分表、Kafka partition）；任务分片是把处理流程拆成多道工序并行执行（CPU流水线、生产流水线）。两者常叠加——Map/Reduce先做数据分片再做任务分片。任务分片代价：拆得越细并发度越高，但工序间上下文切换开销也越大，总处理时间反而可能变长。发散：瓶颈是”能否拆成互不依赖的几份”还是”内部有无先后阶段”，答案指向不同架构改动。
参考来源
- 位置：第8章《高并发问题》8.3.1-8.3.2节「策略1：数据分片」「策略2：任务分片」（源文件：_epub-src/text/part0039.html）
- 结论依据：原文明确定义数据分片是对要处理的数据或请求分成多份并行处理（分库分表、ConcurrentHashMap分槽、Kafka partition、ES分布式索引），任务分片是对处理程序本身分片（CPU指令流水线、汽车生产线），并说明Map/Reduce是两者结合的典型案例，直接支持卡片论述。
- 原始内容："数据分片也就是对要处理的数据或请求分成多份并行处理……任务分片是对处理程序本身进行分片……工序拆得越多，每个阶段的时间T越小，并发度越高。但单个指令的处理时间却变长了，因为从上一个工序到下一个工序，有上下文切换的开销……Map/Reduce，这是一种数据分片和任务分片相结合的典型案例。"