5.2 分布式系统分区之请求处理

路由组件把客户端的读写请求，路由到相应partition所在的node

1. 路由组件

路由组件

2. 请求处理

2.1. 新增数据

1. 客户端生成包含sharding key的数据
2. 客户端把新增请求发送给路由组件
3. 路由组件根据sharding key转发到相应的节点
4. 节点新增数据

2.2. 删除数据

2.2.1. 包含sharding key

1. 客户端根据sharding key删除数据
2. 客户端把删除请求发送给路由组件
3. 路由组件根据sharding key转发到相应的节点
4. 节点删除数据

2.2.2. 不包含sharding key

1. 客户端根据关键词删除数据
2. 客户端把删除请求发送给路由组件
3. 路由组件把请求转发到所有节点
4. 各个节点删除数据

2.3. 查找数据

2.3.1. 包含sharding key

1. 客户端根据sharding key查询数据
2. 客户端把查询请求发送给路由组件
3. 路由组件根据sharding key转发到相应的节点
4. 节点查询数据

2.3.2. 不包含sharding key

1. 客户端根据关键词查询数据
2. 客户端把查询请求发送给路由组件
3. 路由组件把请求转发到所有节点
4. 各个节点查询数据

2.4. 修改数据

2.4.1. 包含sharding key

1. 客户端根据sharding key修改数据
2. 客户端把修改请求发送给路由组件
3. 路由组件根据sharding key转发到相应的节点
4. 节点修改数据

2.4.2. 不包含sharding key

1. 客户端根据关键词修改数据
2. 客户端把修改请求发送给路由组件
3. 路由组件把请求转发到所有节点
4. 节点修改数据

2.4.3. 举例

• MySQL的CRUD可以包含sharding key，也可以不包含sharding key
• Redis的CRUD包含sharding key
• Kafka的CRU包含sharding key，没有D
• Zookeeper没有使用分区
• Elasticsearch的CRUD可以包含sharding key，也可以不包含sharding key

3. 二级索引

• 数据分区不是按照二级索引拆分
• 但通过二级索引访问数据的时候，该读写请求发送给哪个分区是个问题

3.1. 本地索引(document based)

• 每个分区只维护当前分区的索引，存储在本地
• 缺点
  • 读写请求路由的时候使用scatter/gather的方式
• 优点
  • 写入速度快

3.2. 全局索引(term based)

• 所有分区的的索引维护在一起，同时对这个索引进行分区
• 缺点
  • 写入速度慢
• 优点
  • 读写请求路由的时候使用term路由到正确的分区（类似于主键索引）

3.3. 举例

• MySQL的二级索引使用本地索引
• Redis没有二级索引
• Kafka的的二级索引使用本地索引
• Zookeeper没有二级索引
• Elasticsearch的二级索引使用本地索引