与虚拟分片相比的 NoSQL 仲裁
NoSQL quorum comparing to virtual sharding
在阅读了一些 NoSQL 技术后，我发现 Quorum 与 Virtual Sharding 相比失败了。虚拟分片允许可扩展性并且不会增加整个系统的 read/writes 数量。同样糟糕的是，我绝对找不到法定人数比分片有任何好处。
问题： 能否从数据的角度作为群体技术的倡导者consistency/performance/scalability，并指出它比分片？
以下是我对这些东西的看法：
法定人数：
假设我有一个需要高度数据一致性的预订系统。作为 NoSQL 实现数据一致性的方法之一是 quorum，表示 R + W > N，其中 R - 读取节点，W - 写入节点和 N - 节点总数。
据我了解，如果您使用 quorum 而不是写入一行，您的数据库需要执行 W 次写入操作。还要阅读您的数据库需要做的事情 R 读取。 对吗？
虚拟分片：
据我了解，sharding - 当有类似于 hashmap 的东西时，它根据某些标准告诉您收入数据应该存储在哪里/应该从哪里读取。假设您有 N 个节点。 Virtual 意味着为了避免可伸缩性问题，该散列映射将大于 N，但假设 10*N。这允许在添加新节点时轻松地重新配置它。
它的极好之处在于它不需要像 quorum 那样的任何复制！当然为了availability/failover可以每个节点带一个主从备份。但这不会增加系统中 read/writes 的数量。
这里需要做的关键区分是'quorum'是一个分区中副本之间最终一致性的概念，其中'sharding'是一个数据分区的概念，并不意味着复制。
在像 cassandra 这样的系统中，复制不是必需的。您可以仅将 cassandra 用于数据 partitioning/sharding，将令牌分配给您的节点以建立环中数据的所有权。 Cassandra 使用称为 consistent hashing 的概念在集群中的节点之间分布数据。
在向 cassandra 读取和写入数据时，Quorum 可用 consistency level。当您写入 cassandra 时，所有副本都会接收并处理写入请求，而不管所使用的一致性级别如何。但是，一旦有足够多的副本成功处理了写入以满足一致性级别，cassandra 就会响应请求。对于读取，这个过程有些不同，因为所有节点都会对数据创建摘要，而只有满足一致性级别的足够节点才会执行读取（在正常情况下）。
正如您所说，没有多个副本，可用性是个问题。如果您的示例中的每个分片都有一个主从配置，那么您实际上是在写入两次数据。 master处理写入时数据库是否响应写入，或者是否也需要完成对slave的写入，这取决于数据库的方案和配置。
Cassandra 在 partitioning/sharding 和复制方面都很出色。其他AP nosql解决方案也是如此。此外，由于 cassandra 支持通过一致性级别调整一致性，这使您可以在应用程序的可用性和一致性之间找到理想的平衡点。通过使用仲裁一致性级别，您可以在丢失副本的情况下幸存下来（即，如果有 3 个副本，您可以在分区中丢失 1 个节点的情况下幸存下来），同时您的应用程序继续工作。
在 cassandra 中使用仲裁一致性（或与此相关的任何其他一致性）进行复制相对于在另一个解决方案中进行分片+备份的优势在于，如果 shard/partition 的主节点发生故障，该分区将不可用，直到备份变为活动状态。在 AP 系统（如 cassandra）中，副本出现故障时，只要满足一致性级别，系统就会继续正常工作。不需要通常不透明的 'active-passive switchover' （实际上取决于数据库解决方案）。此外，如果你有足够高的复制因子，你可以支持一个分区中多个节点的丢失（即使用 QUORUM 和 5 个节点的 RF 允许你在一个分区中丢失 2 个节点）。最后，另一个优点是，由于您可以在一个分区中拥有多个活动副本，因此它们可以同时为请求提供服务，而在主从设置中，只有主服务 reads/writes。这可能会在规模上带来更好的性能。
在阅读了一些 NoSQL 技术后，我发现 Quorum 与 Virtual Sharding 相比失败了。虚拟分片允许可扩展性并且不会增加整个系统的 read/writes 数量。同样糟糕的是，我绝对找不到法定人数比分片有任何好处。
问题： 能否从数据的角度作为群体技术的倡导者consistency/performance/scalability，并指出它比分片？
以下是我对这些东西的看法：
法定人数：
假设我有一个需要高度数据一致性的预订系统。作为 NoSQL 实现数据一致性的方法之一是 quorum，表示 R + W > N，其中 R - 读取节点，W - 写入节点和 N - 节点总数。
据我了解，如果您使用 quorum 而不是写入一行，您的数据库需要执行 W 次写入操作。还要阅读您的数据库需要做的事情 R 读取。 对吗？
虚拟分片：
据我了解，sharding - 当有类似于 hashmap 的东西时，它根据某些标准告诉您收入数据应该存储在哪里/应该从哪里读取。假设您有 N 个节点。 Virtual 意味着为了避免可伸缩性问题，该散列映射将大于 N，但假设 10*N。这允许在添加新节点时轻松地重新配置它。
它的极好之处在于它不需要像 quorum 那样的任何复制！当然为了availability/failover可以每个节点带一个主从备份。但这不会增加系统中 read/writes 的数量。
这里需要做的关键区分是'quorum'是一个分区中副本之间最终一致性的概念，其中'sharding'是一个数据分区的概念，并不意味着复制。
在像 cassandra 这样的系统中，复制不是必需的。您可以仅将 cassandra 用于数据 partitioning/sharding，将令牌分配给您的节点以建立环中数据的所有权。 Cassandra 使用称为 consistent hashing 的概念在集群中的节点之间分布数据。
在向 cassandra 读取和写入数据时，Quorum 可用 consistency level。当您写入 cassandra 时，所有副本都会接收并处理写入请求，而不管所使用的一致性级别如何。但是，一旦有足够多的副本成功处理了写入以满足一致性级别，cassandra 就会响应请求。对于读取，这个过程有些不同，因为所有节点都会对数据创建摘要，而只有满足一致性级别的足够节点才会执行读取（在正常情况下）。
正如您所说，没有多个副本，可用性是个问题。如果您的示例中的每个分片都有一个主从配置，那么您实际上是在写入两次数据。 master处理写入时数据库是否响应写入，或者是否也需要完成对slave的写入，这取决于数据库的方案和配置。
Cassandra 在 partitioning/sharding 和复制方面都很出色。其他AP nosql解决方案也是如此。此外，由于 cassandra 支持通过一致性级别调整一致性，这使您可以在应用程序的可用性和一致性之间找到理想的平衡点。通过使用仲裁一致性级别，您可以在丢失副本的情况下幸存下来（即，如果有 3 个副本，您可以在分区中丢失 1 个节点的情况下幸存下来），同时您的应用程序继续工作。
在 cassandra 中使用仲裁一致性（或与此相关的任何其他一致性）进行复制相对于在另一个解决方案中进行分片+备份的优势在于，如果 shard/partition 的主节点发生故障，该分区将不可用，直到备份变为活动状态。在 AP 系统（如 cassandra）中，副本出现故障时，只要满足一致性级别，系统就会继续正常工作。不需要通常不透明的 'active-passive switchover' （实际上取决于数据库解决方案）。此外，如果你有足够高的复制因子，你可以支持一个分区中多个节点的丢失（即使用 QUORUM 和 5 个节点的 RF 允许你在一个分区中丢失 2 个节点）。最后，另一个优点是，由于您可以在一个分区中拥有多个活动副本，因此它们可以同时为请求提供服务，而在主从设置中，只有主服务 reads/writes。这可能会在规模上带来更好的性能。