Mỗi bản ghi thuộc đúng một mảnhChia dữ liệu ra nhiều ngănEvery record lives in exactly one partition

Mục tiêu của phân mảnh là chia đều — cả dữ liệu lẫn tải truy vấn. Nếu chia không đều, Kleppmann gọi đó là skew (lệch), và mảnh phải gánh phần bất cân xứng là một hot spot (điểm nóng)1. Có một cách chia đều tuyệt đối: ném mỗi bản ghi vào một mảnh ngẫu nhiên. Nó đều thật, và cũng vô dụng thật — vì sau đó không ai biết bản ghi nằm ở đâu, nên mọi truy vấn đều phải hỏi tất cả các mảnh. Từ đó sinh ra hai cách vẽ ranh giới thực dụng, và cả chương sau này là hệ quả của việc bạn chọn cách nào.

Chia hồ sơ ra nhiều ngăn thì phải chia cho đều, không để một ngăn phồng lên còn các ngăn khác trống trơn. Ngăn bị nhét quá nhiều gọi là "điểm nóng". Có thể chia đều bằng cách bốc thăm ngẫu nhiên, nhưng rồi tìm lại thì phải lục hết mọi ngăn. Nhớ nhé: chia đều thôi chưa đủ — phải chia sao cho còn tìm lại được.

The goal of partitioning is an even spread — of data and of query load. When the spread is uneven, Kleppmann calls it skew, and a partition carrying a disproportionate share is a hot spot1. There is one way to get a perfectly even spread: throw each record at a random partition. It really is even, and it really is useless — nobody then knows where a record lives, so every query must ask every partition. Out of that come two workable ways to draw the boundary, and the rest of the chapter follows from which one you pick.

Một chỉ mục phụ không xác định duy nhất một bản ghi; nó là cách tìm mọi bản ghi có một giá trị nào đó — mọi xe màu đỏ, mọi bài viết chứa một từ. Vấn đề là nó không ăn khớp với ranh giới phân mảnh: các bản ghi "màu đỏ" nằm rải khắp mọi mảnh. Kleppmann chỉ ra rằng có đúng hai cách xử lý, và chúng là hình ảnh phản chiếu của nhau: một cách làm ghi rẻ và đọc đắt, cách kia làm ngược lại1.

Cho tới giờ ta chỉ tìm hồ sơ bằng tên. Nhưng đời thật hay hỏi kiểu khác: "cho tôi tất cả hồ sơ màu đỏ". Những tờ màu đỏ thì nằm rải khắp mọi ngăn, nên phải có một cuốn sổ mục lục. Câu hỏi là: mỗi ngăn tự giữ sổ của mình, hay cả tủ dùng chung một cuốn sổ?

A secondary index doesn't identify a record uniquely; it's a way to find all records with some value — every red car, every post containing a word. The trouble is that it doesn't line up with partition boundaries: the "red" records are scattered across every partition. Kleppmann shows there are exactly two ways to handle it, and they are mirror images: one makes writes cheap and reads expensive, the other the reverse1.

Mọi thứ đều đổi: thông lượng truy vấn tăng nên cần thêm CPU, dữ liệu phình nên cần thêm đĩa, máy hỏng nên máy khác phải gánh việc của nó. Việc chuyển tải và dữ liệu từ node này sang node khác gọi là tái cân bằng, và Kleppmann đặt ra ba yêu cầu tối thiểu cho nó: sau khi xong, tải phải được chia công bằng; trong lúc đang chạy, cơ sở dữ liệu phải tiếp tục nhận đọc và ghi; và không được dời nhiều dữ liệu hơn mức cần thiết1. Yêu cầu thứ ba nghe hiển nhiên, nhưng chính nó loại thẳng cách làm mà ai cũng nghĩ ra đầu tiên.

Tủ hồ sơ không đứng yên: hồ sơ ngày một nhiều, có hôm một cái tủ gãy chân. Lúc đó phải dọn lại — chuyển bớt hồ sơ sang tủ mới. Dọn thì phải: chia lại cho đều, vẫn cho người ta tra hồ sơ trong lúc dọn, và đừng bê nhiều hơn mức cần thiết. Nhớ nhé: cái khó không phải là dọn, mà là dọn ít nhất có thể.

Everything changes: query throughput grows so you need more CPU, the dataset swells so you need more disk, a machine fails so another must take over its work. Moving load and data from one node to another is called rebalancing, and Kleppmann sets three minimum requirements for it: afterwards the load must be fairly shared; while it runs the database must keep accepting reads and writes; and no more data than necessary should move1. The third sounds obvious, but it's precisely what rules out the approach everyone thinks of first.

Khi client muốn đọc hoặc ghi khóa X, nó phải nối tới máy nào? Vì các phân mảnh liên tục được gán lại sau mỗi lần tái cân bằng, câu trả lời thay đổi theo thời gian. Kleppmann chỉ ra rằng đây chỉ là một trường hợp riêng của bài toán tổng quát hơn — service discovery — và rằng chỉ có ba hình dạng kiến trúc để trả lời, khác nhau ở chỗ đặt tri thức về bản đồ phân mảnh1.

Dọn tủ xong thì hồ sơ đổi chỗ. Người đến tra hỏi: "tờ của tôi giờ ở tủ nào?" Có ba cách trả lời: hỏi đại một tủ rồi nó chỉ đường, hỏi một anh thủ thư đứng giữa, hoặc tự mình giữ một tấm bản đồ. Nhớ nhé: điều khác nhau duy nhất là ai giữ tấm bản đồ.

When a client wants to read or write key X, which machine should it connect to? Because partitions keep getting reassigned after every rebalance, the answer changes over time. Kleppmann points out this is a special case of a more general problem — service discovery — and that there are only three architectural shapes for answering it, differing in where the knowledge of the partition map lives1.