8.1 水平拆分（sharding）

解决数据量和访问量增加对单节点造成的性能压力，通常引入水平拆分机制，

将数据存储和对数据访问分散到不同节点上分别处理。各个节点间相互独立。内部拆分的多借点对外部服务透明，通过数据分布和路由请求的配合，做到数据存放和数据访问对水平拆分的适配。

8.1.1 数据分布

• hash映射，将不可控的业务值域key映射到有限值域（hash值），且映射均匀，再将有限的均匀分布的hash值枚举地映射到Redis实例上。
• 范围映射，选择key本身做为数据分布的条件，每个数据节点存放的key的值域是连续一段范围。
• hash和范围结合，典型的方式就是一致性hash，首先对key进行hash运算，得到值域有限的hash值，再对hash值做范围映射，确定该key对应的业务数据存放的具体事例。

8.1.2 请求路由

根据请求中设计的Key，用对应的数据分布算法得出数据位于哪个实例，再将请求路由至该实例，这个过程叫做请求路由。

需要关注数据跨实例问题：

只读的跨实例请求：需要将请求中的多个key分别分发到对应实例上执行，再合并结果。其中涉及语句的拆分和重生成。

跨实例的原子读写请求：不支持跨节点读写依赖的原子请求。