在Cassandra中宽分区和数据倾斜之间有什么区别？

Question

正如我所理解的，两者都告诉我们，特定分区中的数据量不应超过其他分区。因此，我们应该选择适当的分区键来弥补这些问题。但这两种成语到底有什么区别呢？

Answer 1

虽然它们可能出于相同的原因(数据模型和分区键基数)，但节点之间的数据不平衡可能由于其他原因而发生。

如果分区键没有足够的选择性，在某些情况下，数据分区的数量会增加，每个分区的最大推荐值为100 Mb，但理想情况下不超过10 Mb。

虽然具有低基数的分区键可能会导致一些倾斜，但您也可以在将令牌分配到环中时得到一个倾斜。与RandomPartitioner相比，RandomPartitioner更习惯于产生不平衡的结果--但即使使用allocate_tokens_for_keyspace / allocate_tokens_for_local_replication_factor，也可以对Murmur进行改进--根据所使用的C*或DSE版本，相同的设置有不同的名称，但其想法是向分区程序提供更多有关预期复制因子的信息，因此它产生了更多的均衡分配。

数据可能不平衡的另一种方式是拓扑选择--如果使用NetworkTopologyStrategy (建议使用的是多个机架)和多个机架创建具有键空间的集群--除非每个机架的节点数相同，否则数据将不平衡。例如(为了演示结果，并不表示您会这样做)。

• Rack 1=5节点
• Rack 2=5节点
• Rack 3=2节点

使用3GB和100 GB的射频数据，每个机架将保存一个副本。机架1和2中的节点大约各为20 in，机架3为50 in(大致)。

这就是为什么在使用机架时，通常的建议是，当每个DC扩展时，节点数量将增加3。