概念

节点（Node）：在分布式数据库中，每台计算机被称为一个节点，每个节点都有其独立的存储和处理能力。通过添加新节点，可以轻松扩展分布式数据库的存储和处理能力，以应对日益增长的数据量和并发访问需求。分布式数据库可以将读写请求分配到不同的节点进行处理，从而实现负载均衡并提高系统的并发处理能力。
数据分片（Data Sharding）：为了实现数据的分布式存储，需要将数据分成多个部分，每个部分称为一个数据分片。常见的数据分片策略包括：
- 范围分片（Range Sharding）：根据键值范围将数据分成多个分片，每个分片负责一个连续的键值范围。
- 哈希分片（Hash Sharding）：使用哈希函数将数据的键值映射到不同的分片，每个分片负责一个哈希值范围。
- 复合分片（Composite Sharding）：结合多种分片策略，例如先根据范围进行分片，然后再根据哈希进行分片，以优化数据的分布和访问效率。
Pod：Pod 是 K8s 中最小的可部署和可管理单元。它由一个或多个紧密关联的容器组成，这些容器共享网络和存储资源，并作为一个整体进行调度和管理。在 K8s 中，可以通过配置资源请求和限制来管理和控制 Pod 对节点资源（CPU、内存）的使用。
- 资源请求定义了 Pod 在运行时所需的最低资源量。K8s 调度器会选择能够满足 Pod 资源请求的节点，确保这些节点有足够的可用资源来满足 Pod 的需求。
- 资源限制定义了 Pod 在运行时可以使用的最大资源量。它们用于防止 Pod 消耗过多的资源，从而保护节点和其他 Pod 不受影响。
数据复制（Replication）
为了提高数据的可用性和容错性，分布式数据库通常会将数据复制到多个节点上，每个节点拥有完整或部分数据的副本。通过数据复制和故障转移机制，分布式数据库即使在节点故障时也能继续提供服务，从而提高系统的可用性。常见的复制策略包括：
- 主从复制（Primary-Replica Replication）：
  - 每个分区有一个主节点和多个从节点。
  - 写操作在主节点上执行，然后同步到从节点。
  - 常见的主从复制协议包括强同步、半同步、异步，以及基于 Raft/Paxos 的复制协议。
- 多主复制（Multi-Primary Replication）：
  - 每个分区有多个主节点。
  - 写操作可以在任意一个主节点上执行，然后同步到其他主节点和从节点。
  - 数据一致性通过复制协议以及全局锁、乐观锁等机制来维护。

总的来说，数据复制是分布式数据库提高可用性和容错性的一项关键技术。不同的复制策略在一致性、可用性和性能之间涉及不同的权衡，应基于具体的应用需求来做出决策。

KubeBlocks 对容器化分布式数据库的管理映射到四个层级的对象：Cluster（集群）、Component（组件）、InstanceSet（实例集）和 Instance（实例），形成了分层架构：

集群层（Cluster layer）：Cluster 对象表示一个完整的分布式数据库集群。Cluster 是最高级别的抽象，包括数据库的所有组件和服务。
组件层（Component layer）：Component 表示构成 Cluster 对象的逻辑组件，如元数据管理、数据存储、查询引擎等。每个 Component 对象都有其特定的任务和功能。一个 Cluster 对象包含一个或多个 Component 对象。
实例集层（InstanceSet layer）：InstanceSet 对象管理 Component 对象内多个副本所需的工作负载，感知这些副本的角色。一个 Component 对象包含一个 InstanceSet 对象。
实例层（Instance layer）：Instance 对象表示 InstanceSet 对象中的实际运行实例，对应于 Kubernetes 中的 Pod。一个 InstanceSet 对象可以管理零个到多个 Instance 对象。
ComponentDefinition 是用于定义分布式数据库组件的 API，描述了组件的实现细节和行为。通过 ComponentDefinition，可以定义组件的关键信息，如容器镜像、配置模板、启动脚本、存储卷等。它们还可以为组件在不同事件（如节点加入、节点离开、组件增加、组件移除、角色切换等）下设置行为和逻辑。每个组件可以拥有独立的 ComponentDefinition，或共享相同的 ComponentDefinition。
ClusterDefinition 是用于定义分布式数据库集群整体结构和拓扑的 API。在 ClusterDefinition 中，可以引用其包含组件的 ComponentDefinition，并定义组件之间的依赖关系和引用关系。