知识卡片
哈希分区与复合键
为避免[[键范围分区]]的偏斜,可先哈希键再分区。哈希函数无需密码学强度,但不能用语言内置哈希,不同进程可能算出不同值。代价是键序被打乱,范围查询要么不支持,要么要发给所有分区。Cassandra 的折衷是复合主键:第一列哈希决定分区,其余列在分区内有序。如社交更新用 (user_id, update_timestamp),用户分散到各分区,同一用户的更新按时间有序,可高效取出某人某时段的更新。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
- · 第六章:分区
原书出处 · 1 处
- 第六章:分区 · 查看原书依据
键中只有第一列会作为散列的依据,而其他列则被用作Casssandra的SSTables中排序数据的连接索引
参考来源
- 位置:《数据密集型应用系统设计》第六章《分区》"根据键的散列分区"(源文件:_epub-src/ch6_split_003.html)
- 结论依据:原文说明哈希分区靠MD5/FNV等函数均匀分布负载但丧失范围查询能力,
Cassandra用复合主键让第一列决定分区、其余列在分区内排序,并举社交媒体
(user_id, update_timestamp)主键的例子说明该组合方式如何兼顾负载均衡和范围
查询,直接支撑本卡片结论。
- 原始内容:一个好的散列函数可以将偏斜的数据均匀分布……不幸的是,通过使用键散列进行分区,我们失去了键范围分区的一个很好的属性:高效执行范围查询的能力……键中只有第一列会作为散列的依据,而其他列则被用作Casssandra的SSTables中排序数据的连接索引……组合索引方法为一对多关系提供了一个优雅的数据模型。