Cassandra中共享大分区键：如何保持固定分片大小？

要实现文章中提到的固定分片大小，核心是抛弃随机分片的思路，转而基于业务数据的有序属性生成分片键，通过范围划分严格控制每个分片的行数上限，具体逻辑如下：

1. 分片键的生成规则 #

不用random_number % n这类随机方式，而是依托业务中天然有序的字段（比如自增记录ID、时间戳、连续业务流水号），结合预定义的分片大小（例如1000）计算分片键：

shard_key = floor(有序业务字段值 / 分片大小)

比如分片大小设为1000：

• 有序字段值在0-999范围时，shard_key=0
• 有序字段值在1000-1999范围时，shard_key=1
  以此类推，每个shard_key对应固定数量的业务数据条目，天然保证每个分片的行数不超过分片大小。

2. 复合分区键的构建 #

将计算出的shard_key和原分区键组合成复合分区键，比如原分区键是user_id，新分区键就变为(user_id, shard_key)。写入数据时，根据当前业务数据的有序字段值算出shard_key，再将数据写入对应的分区。

这种方式下，每个(user_id, shard_key)分区内的行数严格被限制在分片大小以内——因为每个shard_key对应固定范围的有序业务字段，不会出现随机分片那种数据分布不均的情况。

3. 与随机分片的核心区别 #

• 随机分片是无规则打散数据，无法控制单个分区的大小，极端情况下仍可能出现大分区或热点；
• 固定大小分片属于范围分片，依赖有序业务字段做划分，每个分区对应明确的业务数据范围，从根源上限制了分区大小。

4. 分页的实现优势 #

因为分片是按有序字段范围划分的，分页时可以直接定位到目标分片：
比如要查询第2000-3000条数据，直接计算出对应的shard_key=2（假设分片大小1000），然后在该分片内执行有序查询即可，无需跨分片扫描，大幅提升分页效率。

注意事项 #

• 必须依赖全局有序的业务字段，如果业务中没有这类字段（比如全是无规则UUID），这种方案无法直接使用；
• 读取全量数据时（比如查询某个用户的所有记录），需要遍历该用户对应的所有shard_key，或者维护一个辅助索引来记录用户关联的所有分片键；
• 分片大小的选择要结合Cassandra的最佳实践（单分区建议不超过100MB或10万行），需根据单条数据大小调整，不是固定为1000。

内容的提问来源于stack exchange，提问作者Jinsong Li