白眉大叔 TiKV如何做到更细粒度弹性扩容(分片)
数据分片是分布式数据库的关键设计,如果要是实现扩展，从底层技术看，就是做分片，分片最重 要的区别，是在于预先分片（静态），还是自动分片（动态），传统分库分表或者分区的方案都 是预先分片，比如提前创建100个分表，属于静态分片，这种分片只解决表容量的问题，没有解 决弹性的问题。所以，第一点，我们要优先使用自动分片算法。
第二，分片总是需要一个维度和算法，比较常见是:
• 哈希（hash）
• 范围（range）
• 列举（list）
在TiKV系统里，采用了Range算法,类似“Whereage>=30”，这种范围查询在OLTP业务是非常常见场景，在
这个场景下，而Range分片可以更高效地扫描数据记录，而Hash分片由于数据被打散，扫描操作的I/O开销更大,Range分片可以简单实现自动完成分裂与合并,弹性优先，分片需要可以自由调度。
一个非常重要的概念：Region，Region是理解后续一系列机制的基础。
我们将TiKV看做一个巨大的有序的KVMap，我们通过range的方式，将整个Key-Value空间分成很多段，每一段是一系列连续的Key，我们将每一段叫做一个Region，并且我们会尽量保持每个
Region中保存的数据不超过一定的大小(这个大小可以配置，目前默认是96MB)。
每一个Region 都可以用StartKey到EndKey这样一个左闭右开区间来描述。
当某个Region的大小超过一定限制（默认是144MB）后，TiKV会将它分裂为两个或者更多个Region，以保证各个Region的大小是大致接近的，这样更有利于PD进行调度决策。同样的，当 某个Region因为大量的删除请求导致Region的大小变得更小时，TiKV会将比较小的两个相邻Region合并为一个。
同时为了保证上层客户端能够访问所需要的数据，我们的系统中也会有一个组件记录Region在节 点上面的分布情况，也就是通过任意一个Key就能查询到这个Key在哪个Region中，以及这个Region目前在哪个节点上。以Region为单位做数据的分散。
每个regin 相当于 一个小片， 怎么做到 高可用呢？
TiKV如何做到高并发读写
跟ES 的 分片很相似。
问题： 如果只是频繁的 读写某一个reginon， 就需要我们进行打散。 都是通过PD 来操作的， 因为PD是负责调度的， 也有 自动打散的算法。
4.4 TIDB如何保证多副本最终一致性和副本高可用
Raft算法通过先选出leader节点、有序日志等方式，简化了流程、提高效率，并通过约束减少了不确定性的
状态空间。 TIDB
相对Paxos逻辑更清晰，容易理解与工程化实现。 OCEANBASE
欢迎来撩 ： 汇总all
