📎 Webclip
Dados distribuídos — Particionamento/Sharding
O texto apresenta o particionamento, ou sharding, como uma técnica para aumentar a escalabilidade de bancos de dados com conjuntos de dados muito grandes e alto volume de queries. Também mostra que a escolha da chave de particionamento é decisiva, porque uma divisão ingênua pode concentrar acesso em uma única partição.
Fichamento#
- Particionamento, também chamado de sharding, é usado para escalar bancos de dados com muitos dados e muitas consultas.
- Estratégias simples de particionamento podem criar hot spots, com uma partição recebendo a maior parte dos acessos enquanto as outras ficam quase paradas.
- Particionar por username em uma rede social pode concentrar usuários muito acessados na mesma partição quando as iniciais mais comuns se acumulam.
- Particionar por data também pode criar hot spots quando quase toda a escrita cai em uma partição específica em cada dia.
- Particionar por hash ajuda a distribuir melhor os dados entre as partições e reduz, mas não elimina, hot spots.
- Em bancos relacionais, joins distribuídos entre vários nós tendem a ficar menos eficientes.
- Índices secundários ficam mais difíceis de usar com partições, porque os dados relevantes podem estar espalhados.
- Com índices secundários locais, a consulta precisa consultar cada partição em uma operação de scatter/gather, que costuma ser lenta.
- Com um índice global particionado, a busca melhora porque o índice aponta para as partições corretas, mas a escrita piora porque o índice precisa ser atualizado a cada escrita.
- A atualização assíncrona de um índice distribuído sofre com replication lag, e mantê-lo fortemente consistente exige uma transação distribuída cara.
