cassandra 中的地理感知分区

Question

我目前正计划设置一项服务，该服务应该（迟早）全球可用，对可用性和容错性有很高的要求。将有很高的读取和写入比率，并且系统应该能够按需扩展。

我计划的服务的一个更特殊的属性是，数据将非常绑定到某个地理位置 - 例如。在 99.99% 的情况下，针对美国城市的数据将永远不会从欧洲查询（实际上，即使针对某个城市的数据也不太可能从该城市旁边的城市查询）。

我想要最小化的是：

1. 管理开销
2. 网络延迟
3. 不必要的数据复制（我不想在美国完全复制用于欧洲的数据）

在存储技术方面，我认为我最好的存储解决方案是 cassandra。我看到的用例选项是：

1. 在每个地理位置使用完全隔离的 cassandra 集群，并结合手动配置的路由服务，该服务会根据插入/选择查询选择正确的集群
2. 部署全球集群并为某些地理位置定义多个数据中心，以确保该地区的高可用性
3. 在不使用数据中心的情况下部署全局集群
4. 在不使用数据中心的情况下部署全局集群，并将分区操作为地理感知。我的计划是根据地理位置（例如 000：北美，001：南美，010：非洲，011：南/西欧等）操作分区键的前 3 位并分配剩余位使用哈希算法（类似于 cassandras 随机分区器）。

解决方案 1 的缺点可能是巨大的管理开销和大量的人工工作；第二种解决方案的缺点是大量不必要的数据复制；第三种解决方案的缺点是由于世界范围内的随机分区，网络延迟非常高。

因此，理论上，我最喜欢解决方案 4。在这里，我将拥有相当多的管理开销、少量不必要的数据复制和良好的可用性。然而，为了实现这个（据我所知），我需要一个 ByteOrderPartitioning，许多来源都强烈反对它。

有没有办法在不使用 ByteOrderPartitioning 的情况下实现接近解决方案 4 的解决方案，或者这是 ByteOrderPartitioning可能有意义的情况，还是我错过了明显的第五个解决方案？

Answer 1

重新考虑选项 2。

它不仅可以解决您的问题。它甚至可以为您解决地理冗余问题。正如您提到的，您需要具有高可用性。如果其中一个数据中心死亡，在不同的数据中心拥有一份副本听起来不错。

如果您坚决反对在 DC 之间进行复制，那么这也是一个选择。您可以在不同区域拥有多个 DC，而无需在它们之间进行复制。