目前主流大数据存储使用横向扩展（scale out）而非传统数据库纵向扩展（scale up）的方式。因此涉及数据分片、数据路由（routing）、数据一致性问题
二级映射关系：key-partition映射，partition-machine映射
首先找到partition（比如hash），然后找machine（路由routing）
hash分片方式1：Round Robin
新增一台机器：
需要重新分配数据归属，灵活性差
hash分片方式2：虚拟桶（virtual buckets）
hash分片方式3：一致性hash（consistent hashing）
提高灵活性：集群各机器连成一个环
路由问题：每个节点配置路由表（finger table）。N14的路由表：
每个机器根据路由表转发请求，直到查到value数据。
新节点加入、离开集群需要结合稳定性检测策略，更新前后继指针
稳定性检测：定期向前后继节点发送请求，更新前后继指针
解决负载不均衡/机器异质性问题：引入虚拟节点，将每个物理节点虚拟成多个虚拟节点，分别映射到hash环不同位置
范围分片（range partition）：
数据分片在物理机管理往往采用LSM树，BigTable采用类似B+树的多层结构
| Dynamo | Cassandra | Riak | Voldmort | Membase/Couchbase | BigTable | Azure | PNUTS | |
| 介绍 | Amazon,NoSQL | NoSQL | 模仿Dynamo | Linkedin,NoSQL | 内存分布式NoSQL | Microsoft | Yahoo | |
| 数据分片 | consistent hash | consistent hash | hash | hash | hash | range | range | hash+range |
| virtual node | B+ tree |