用“分区”来面对超大数据集和超大吞吐量

分区（sharding）通过将数据分散到多个节点来提升系统可伸缩性，避免热点和数据倾斜。

分区通常与复制结合使用，确保每个分区的副本存储在多个节点上以保证高可用性。

一致前缀读确保因果相关的写入在相同的分区，以避免因复制延迟导致的混乱。

分区的目的是将数据和负载均匀分布到各个节点，避免偏斜和热点。

根据键值范围进行分区可能导致数据偏斜，需要根据实际情况调整分区边界。

散列分区可以均匀分布数据，但不利于高效的范围查询。

热点消除可以通过在主键后添加随机数来实现，从而将请求分散到不同的分区。

分区再平衡是将负载从一个节点移动到另一个节点的过程，确保数据库在再平衡期间继续接受请求。

再平衡可以手动或自动执行，自动再平衡可能导致网络开销和性能下降。

请求路由是服务发现的问题，可以通过协调服务（如Zookeeper）跟踪数据分配的变化。