DDIA 分布式数据的分区与复制 - 基于 Redis、Kafka、Elasticsearch 的深入分析

引言

本文基于《Designing Data-Intensive Applications》一书（设计数据密集型应用，简称 DDIA），深入探讨了 Redis、Kafka 和 Elasticsearch 等常用组件的分区与复制机制。通过这些案例分析，我们可以更好地理解分布式系统的基本原理和实际应用。

DDIA 复制与分区

复制

复制机制主要由领导者（leader，又称为 master/primary）和追随者（follower，又称为 slave/replica）组成。

根据领导者的数量，复制可以分为以下几种形式：

• 单主复制：最常见的形式。
• 多主复制：常见于多数据中心、离线设备、协同编辑等场景。
• 无主复制：多受 Dynamo 系统启发。

根据复制时的确认机制，复制分为：

• 同步：客户端发起请求，主库和从库都完成变更后才响应。
• 异步：主库完成变更后立即响应，不等待从库。
• 半同步：一主多从，某些从库同步，其他从库异步。

复制的主要挑战在于复制延迟，客户端对从库读有可能读到落后的数据。

分区

分区（partition 或 shard 等）是指将大型数据集划分成若干小部分。

对 key-value 数据的分区方式包括：

• 范围分区：例如开头字母 A-F 为一组，G-N 为一组，其余字母为一组。
• 哈希分区（hash-based）：通过哈希算法将 key 打散分布到不同的分区。

分区涉及到次级索引则会更复杂，常见方法有：

• 本地索引：也称为文档分区索引，每个分区只维护自己的次级索引。
• 全局索引：覆盖所有分区数据。

分区的常见问题有负载偏斜（数据分布不均衡）、热点、分区再平衡等。

常用组件分析

Redis

Redis 在集群模式下，总共划分了 2^14 = 16384 个 slot 数据槽，每个节点可以灵活分配多个 slot。数据被分配到哪个 slot 中，由对 key 进行 CRC16 计算后与 16384 取模决定。这是一种典型的 hash-based 算法。

取模运算最大的缺点就是除数（这里是数据槽的个数 16384）不能轻易改变，因为一旦改变则意味着同样的 key 可能会被分配到不同的槽中，由此会带来大量的数据迁移问题，因此 Redis 的 slot 数量被设计成了固定值。

至于分区再平衡的问题，当集群的节点数量发生改变时，Redis 本身并未提供 slot 自动调整的机制，需要用户手动调整或者使用一些第三方工具自动调整。

Redis 的复制提供了主从机制，以节点为单位，从节点同步主节点的数据，复制过程默认是异步的，可以设置多个从节点，并配置以下参数：

• min-replicas-to-write：可以同步数据的最少从节点数，满足时才允许主节点进行写操作。
• min-replicas-max-lag：从节点允许的最大同步延迟（以秒为单位）。
• replica-read-only：从节点只读，即从节点也可以处理读请求，但是要注意数据延迟导致的一致性问题。

Kafka

Kafka 中的节点叫 broker，分区叫 partition。分区的数量设置后只能增加不能减少。将消息分配到具体的分区的策略有：

• 默认轮询
• 基于消息进行 hash
• 自定义策略

复制以 partition 为单位，可以配置一主多从（多个副本），通过 replica.lag.time.max.ms 参数配置副本同步延迟的最大时间窗口，满足条件的副本统称为 ISR（In-Sync Replicas）。

数据写入受以下影响：

• 消息生产者 acks 参数：
  • acks 为 0 ：不等待 broker 的确认，这意味着消息可能投递不成功，一般不会使用。
  • acks 为 1 ：等待 leader partition 确认写入即可，不等待 follower 。
  • acks 为 all 或者 -1 ：必须等待 follower 确认。
• min.insync.replicas 参数：配合 acks=all 使用，确认写入的最少 ISR 副本数。

Kafka 的 follower partition（从分区）不提供消费能力，只用作冗余备份和故障切换。

Elasticsearch

在 Elasticsearch 中，数据称为 document 文档，分片统称 shard，又细分为 primary shard 主分片和 replica shard 副本分片。

数据默认根据文档 id（也可以配置为文档中的其它值）取哈希，然后与主分片数取模，最后确认文档归属的分片。

只要看到取模运算，就知道分区数不能轻易扩展，没错，ES 里的主分片数是不能修改的。

复制以 shard 为单位，可以配置多个副本分片。副本分片与主分片的数据同步是异步的，可以通过 wait_for_active_shards 参数设置数据写入时需要确认的分片数。副本分片可以处理读请求。

倒排索引

ES 会对文档进行分词后构建倒排索引，此时就涉及到了 DDIA 中描述的分区与次级索引，前文提到有两种构建次级索引的方式：本地索引和全局索引。

ES 使用的是本地索引的方式，即每个 shard 分片内部构建自己的倒排索引。这就引发了另外的问题，当数据分布不均匀时，由于每个分片使用自身的而不是全局的 Term/Document 频率进行相关度打分，因此可能会造成打分偏差，从而影响最终搜索结果的相关性，这种情况就是默认的 search_type 为 query_then_fetch。而另一种搜索类型 dfs_query_then_fetch 则是先查询每个分片，汇总得到全局的 Term/Document 频率再进行打分，精确度是提高了，但是性能极差，一般也很少使用。

为了解决上述问题，大多会为了性能而容忍偏差，但是通过配置 routing 参数将同样的请求路由到同样的节点（保证同一个用户查询结果一致就行）。

总结

本文通过对 Redis、Kafka 和 Elasticsearch 三个常用组件的分析，展示了分布式系统中分区和复制机制的设计与实现。

可以看到哈希分区是常见的选择。基于性能和复杂度的权衡，单主异步复制往往是默认配置，但为了提供更高的数据一致性，这些组件也会提供多从复制确认的方案。