内容简介：Cassandra 横向扩展（Scale Out），即通过增加集群中节点数量来获得水平扩展的能力，依赖于分区将数据进行切分并分配到各个节点中去。目前，主要的分区方式有两种：Cassandra 采用了
Cassandra 横向扩展（Scale Out），即通过增加集群中节点数量来获得水平扩展的能力，依赖于分区将数据进行切分并分配到各个节点中去。
目前，主要的分区方式有两种： 范围分区（Range Partition） 和 哈希分区（Hash Partition） 。其中，HBase 使用的范围分区，Cassandra 使用的哈希分区。
一致性哈希
Cassandra 采用了 一致性哈希（Consistent Hashing） 算法，使得存取数据非常得快速和高效。
一致性哈希算法将哈希空间按大小首尾相接形成一个环。每个节点被分配到环上的一到多个区域形成一个 token。
哈希空间使用一个 64 位的整型 ID 来标识每一个分区，范围从 -2^63 到 2^63 - 1。每个节点记录环上前驱 token 和后继 token 的位置，从而形成了一个环：
根据哈希函数 hash(partition key)=token ，partitoin key 经过哈希函数计算获得 token，通过 token 在环上所处的范围，即可得到数据所在的节点。
Cassandra 默认的 Murmur3Partitioner 分区器，使用 murmur3 哈希函数，其有着非常良好的随机分布特性。
虚拟节点
TODO
参考
- Consistent hashing - Wikipedia
- MurmurHash - Wikipedia
- 《Cassandra - The Definitive Guide》
- 《Cassandra 3.X High Availability - Second Edition》
以上所述就是小编给大家介绍的《学习 Cassandra（八）：分区》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！
猜你喜欢:
- Kakfa学习笔记（四）——分区和副本
- rabbitmq 学习与实践分享之网络分区
- db2 定义分区表和分区键
- HBase漫谈 | HBase分区过多影响&合理分区数量
- 大数据开发学习之Hive的静态分区与动态分区
- 好程序员大数据培训之掌握Hive的静态分区与动态分区
本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。
CLR via C#
Jeffrey Richter / 周靖 / 清华大学出版社 / 2015-1-1 / CNY 109.00
《CLR via C#（第4版）》针对CLR和.NET Framework 4.5进行深入、全面的探讨，并结合实例介绍了如何利用它们进行设计、开发和调试。全书5部分共29章。第Ⅰ部分介绍CLR基础，第Ⅱ部分解释如何设计类型，第Ⅲ部分介绍基本类型，第Ⅳ部分以核心机制为主题，第Ⅴ部分重点介绍线程处理。 通过本书的阅读，读者可以掌握CLR和.NET Framework的精髓，轻松、高效地创建高性能......一起来看看 《CLR via C#》 这本书的介绍吧!
