面试题：分布式系统中Cassandra与MongoDB数据分片的基本原理对比

Question

请简要阐述Cassandra和MongoDB在数据分片时分别基于什么原理，以及这些原理如何影响数据的分布和存储。

Answer 1

Cassandra数据分片原理及影响

1. 原理：
   • Cassandra采用一致性哈希（Consistent Hashing）原理进行数据分片。它将整个哈希空间（通常是2^128）组织成一个环形结构。每个节点在这个环上都有一个位置，通过对数据的分区键（Partition Key）进行哈希计算，确定数据在环上的位置，然后将数据存储到该位置顺时针方向的第一个节点上。
2. 对数据分布和存储的影响：
   • 数据分布：数据分布相对均匀，因为一致性哈希的特性使得数据在环上的分布比较均衡，减少了数据倾斜（某些节点数据量远多于其他节点）的可能性。例如，在一个有多个节点的集群中，不同分区键的数据会较均匀地分布在各个节点上。
   • 存储：当节点加入或离开集群时，只需要对环上相邻节点的数据进行少量迁移，而不需要重新计算和迁移所有数据。比如新增一个节点，只需要将该节点在环上顺时针方向相邻节点的部分数据迁移过来，保证了集群的稳定性和扩展性。

MongoDB数据分片原理及影响

1. 原理：
   • MongoDB支持基于范围（Range - based）和基于哈希（Hash - based）两种分片策略。
   • 范围分片：根据用户指定的分片键（Shard Key），将数据按照一定的范围划分到不同的分片（Shard）上。例如，如果以时间戳作为分片键，可以按时间范围（如每月、每年）将数据分配到不同分片。
   • 哈希分片：对分片键进行哈希计算，然后根据哈希值将数据均匀地分布到各个分片中。这类似于Cassandra的一致性哈希，但细节上有所不同。
2. 对数据分布和存储的影响：
   • 数据分布：
     • 范围分片：如果分片键选择不当，可能导致数据倾斜。例如，如果按时间戳分片，近期数据访问频繁，可能会使存储近期数据的分片负载过重。但如果分片键选择合理，范围分片有利于对特定范围内的数据进行快速查询，如按日期范围查询订单数据。
     • 哈希分片：能实现数据的均匀分布，减少数据倾斜问题，类似于Cassandra一致性哈希的数据分布效果。例如，以用户ID作为哈希分片键，可以将不同用户的数据均匀分布到各个分片中。
   • 存储：
     • 范围分片：在数据插入时，如果数据是按分片键顺序插入，可能会导致热点分片（某个分片写入压力过大）。但对于范围查询性能较好，因为相关数据存储在同一分片或相邻分片中。
     • 哈希分片：写入性能相对均衡，因为数据均匀分布在各个分片中。但在进行范围查询时，可能需要扫描多个分片，增加查询开销。