Ninda 21日目: パーティショニング 〜大規模データの分散〜

今日のゴール

• コンシステントハッシングを理解する
• データのパーティショニング方法を学ぶ
• レプリケーション戦略を理解する

---

コンシステントハッシング

ハッシュリングでデータを分散：

タプルのハッシュ値に基づいて、最も近いノードに配置。

---

HashRingの使用

import ninda/distributed/partition

proc hashRingExample() {.async.} =
  var ring = newHashRing()

  # ノードを追加
  ring.addNode("node-1")
  ring.addNode("node-2")
  ring.addNode("node-3")

  # タプルの担当ノードを取得
  let tuple = toTuple(strVal("key"), intVal(100))
  let nodes = ring.getNodesForTuple(tuple)
  echo "Responsible nodes: ", nodes

  # パターンの担当ノード
  let pattern = toPattern(strVal("key"), nilValue())
  let patternNodes = ring.getNodesForPattern(pattern)
  echo "Pattern nodes: ", patternNodes

  # ノード削除（データ再分散）
  ring.removeNode("node-2")

waitFor hashRingExample()

---

レプリケーション

デフォルトで3レプリカ：

---

ノード追加時の再バランス

Before:                After adding N4:
  N1: [0-120]            N1: [0-90]
  N2: [120-240]    →     N2: [120-210]
  N3: [240-360]          N3: [240-330]
                         N4: [90-120, 210-240, 330-360]

---

まとめ

今日はパーティショニングを学びました：

• コンシステントハッシング: データの分散配置
• レプリケーション: 耐障害性のためのコピー
• 再バランス: ノード追加・削除時のデータ移動

---

前回: クラスタ構成 | 目次 | 次回: 障害検知と復旧