数据分布：分片与复制
0. 引言
分布式数据库的水平扩展依赖两大机制：**分片（Sharding）**把数据切到多个节点（解决容量），**复制（Replication）**让数据在多个节点保留副本（解决可用性）。两者正交组合构成分布式存储的骨架。本文先讲分片策略与分片键选择，再讲复制的方式、模型与协议。
1. 数据分片：为什么与怎么做
单机数据库受限于磁盘、CPU 与内存，存在存储与算力上限。当数据量或访问量超过单机承载能力时，需要通过分片将数据分布到多个节点，使整体容量与吞吐随节点数增长。
1.1 三种分片策略
| 策略 | 规则 | 优点 | 缺点 |
|---|---|---|---|
| 哈希分片 | 节点 = hash(shard_key) % N | 分布均匀，避免热点 | 扩容时 N 变化，几乎所有数据需重分布（Re-sharding） |
| 范围分片 | 按分片键取值区间划分 | 范围查询高效、扩缩容只迁边界数据 | 热点（按时间分片时最新区间写入集中） |
| 一致性哈希 | 哈希环：节点与数据映射到环，归属顺时针最近节点 | 节点增减仅影响相邻区间，迁移量小 | 分布不均有热点，需虚拟节点均衡 |
图表渲染中…
1.2 分片键的选择
- 避免高基数但倾斜的键（如大部分数据同属一个租户）；
- 使高频查询尽量落在单一分片，减少跨分片（Cross-Shard）查询；
- 跨分片事务成本高——分片键设计应尽量让事务局限在单分片内（如按 user_id 分片，用户维度事务天然单分片）。
2. 数据复制：为什么与怎么做
单机存储存在单点故障风险，读能力受限于单机。复制让部分节点失效时系统仍可用，读请求可分散到多个副本提升吞吐。
2.1 复制三问
| 问题 | 选项 | 说明 |
|---|---|---|
| 复制什么 | 逻辑复制 vs 物理复制 | 逻辑：SQL/行变更；物理：数据页/WAL |
| 向哪里复制 | 拓扑结构 | 主从、多主、无主（全连接） |
| 何时复制 | 同步 vs 异步 | 决定一致性与可用性取舍 |
2.2 同步 vs 异步
| 方式 | 行为 | 优点 | 缺点 |
|---|---|---|---|
| 同步复制 | 主节点等所有副本确认后才返回成功 | 强一致、不丢数据 | 任一副本不可用即阻塞写入，可用性下降 |
| 异步复制 | 主节点本地提交即返回，副本后台追赶 | 写入延迟低、可用性强 | 主节点故障可能丢数据；副本读到旧数据 |
工程折中：半同步复制（MySQL semi-sync：等至少一个副本 ack）、多数派提交（Quorum：等 W > N/2 个确认）——在一致性与可用性之间取平衡，避免"全同步太慢、全异步会丢"。
3. 复制模型
| 模型 | 写入口 | 适用 | 局限 |
|---|---|---|---|
| 主从（Single-Leader） | 唯一主节点 | 读多写少 | 主节点是瓶颈与单点 |
| 多主（Multi-Leader） | 多个节点均可写 | 多数据中心、写冲突可业务化解 | 写冲突需解决策略（LWW/向量时钟） |
| 无主（Leaderless） | 客户端直写多节点 | 高可用、弱一致（Dynamo 系） | 一致性模型复杂，需读多写多（Quorum） |
4. 复制协议
| 协议 | 机制 | 优点 | 缺点 |
|---|---|---|---|
| 基于语句 | 记录并回放 SQL | 实现简单、日志小 | 对非确定性函数（NOW()/RAND()）敏感 |
| 基于行（Row） | 记录每行变更前后值 | 稳健、MySQL 8.0 默认（binlog_format=ROW） | 大批量更新日志量大 |
| 基于 WAL | 直接传输存储引擎预写日志 | 与主节点状态完全一致 | 耦合存储实现，跨版本兼容困难（如 PostgreSQL 的 WAL 复制） |
5. 复制与一致性的关系
复制的同步程度直接决定一致性水平：
text
异步复制 → 最终一致性（副本收敛，窗口期内读旧值）
半同步/Quorum → 近似强一致（多数派即提交）
全同步/多数派 + 线性化读 → 强一致（TiDB/OceanBase 的 Raft 复制）分布式数据库（TiDB、Spanner、OceanBase）普遍采用 Raft/Paxos 多数派复制：既避免了全同步的可用性短板，又通过多数派保证不丢已提交数据——这是"复制 + 一致性协议"结合的经典形态（详见《如何透彻理解 Paxos 算法？》）。
6. 小结
- 分片解决容量：哈希（均匀）/范围（有序）/一致性哈希（扩缩容友好），分片键决定查询效率与事务边界；
- 复制解决可用性：同步/异步取一致性与延迟平衡，主从/多主/无主对应不同写模型；
- 复制协议：语句（简单）/行（稳健）/WAL（精确）；
- 一致性水平 = 复制同步程度：异步→最终一致，多数派→强一致。
下一章讲解一致性：CAP 与一致性模型在分布式数据库中的落地。