AWS Kinesis 中的分区键是什么？

我正在读关于AWS Kinesis。在下面的程序中，我将数据写入名为的流中TestStream。我运行这段代码 10 次，将 10 条记录插入到流中。

var params = {
    Data: 'More Sample data into the test stream ...',
    PartitionKey: 'TestKey_1',
    StreamName: 'TestStream'
};

kinesis.putRecord(params, function(err, data) {
   if (err) console.log(err, err.stack); // an error occurred
   else     console.log(data);           // successful response
});

所有记录均已成功插入。什么是partition key真的是指这里吗？它在后台做什么？我读了它的文档 https://docs.aws.amazon.com/AWSJavaScriptSDK/latest/AWS/Kinesis.html#putRecord-property但不明白是什么意思。

仅当流中有多个分片时分区键才重要（但始终需要它们）。 Kinesis 计算分区键的 MD5 哈希来决定在哪个分片上存储记录（如果您描述流，您将看到哈希范围作为分片描述的一部分）。

那么为什么这很重要呢？

每个分片每秒只能接受 1,000 条记录和/或 1 MB（请参阅放置记录 https://docs.aws.amazon.com/kinesis/latest/APIReference/API_PutRecord.html文档）。如果您写入单个分片的速度快于此速率，您将得到ProvisionedThroughputExceededException.

通过多个分片，您可以扩展此限制：4 个分片可为您提供 4,000 条记录和/或每秒 4 MB。当然，也有一些警告。

最大的问题是您必须使用不同的分区键。如果所有记录都使用相同的分区键，那么您仍然写入单个分片，因为它们都具有相同的哈希值。如何解决这个问题取决于您的应用程序：如果您从多个进程进行写入，那么使用进程 ID、服务器的 IP 地址或主机名可能就足够了。如果您从单个进程写入，则可以使用记录中的信息（例如，唯一的记录 ID）或生成随机字符串。

第二个需要注意的是，分区键会根据总写入大小进行计数，并存储在流中。因此，虽然您可以通过在记录中使用某些文本组件来获得良好的随机性，但您会浪费空间。另一方面，如果您有一些随机文本组件，您可以从中计算自己的哈希值，然后将其字符串化为分区键。

最后，如果您使用放置记录 https://docs.aws.amazon.com/kinesis/latest/APIReference/API_PutRecords.html（如果您要写入大量数据，则应该这样做），请求中的个别记录可能会被拒绝，而其他记录可能会被接受。发生这种情况是因为这些记录发送到的分片已经达到其写入限制，并且您必须重新发送它们（在延迟后）。

另一个答案指出记录在分区内是排序的，并声称这是分区键的真正原因。但是，此顺序反映了 Kinesis 的顺序accepted记录，这不一定是客户想要的顺序。

• 如果客户端是单线程并使用放置记录 https://docs.aws.amazon.com/kinesis/latest/APIReference/API_PutRecord.htmlAPI，那么是的，客户端和分区之间的排序应该一致。
• 如果客户端是多线程的，那么所有标准分布式系统的无序原因（内部线程调度、网络路由、服务调度）都可能导致顺序不一致。
• 如果客户端使用放置记录 https://docs.aws.amazon.com/kinesis/latest/APIReference/API_PutRecords.htmlAPI，批次中的单个记录可能会被拒绝，并且必须重新发送。该文档非常清楚地表明此 API 调用不保留顺序。在大容量环境中，这就是您将使用的 API。

除了写入时顺序不一致之外，重新分片操作还可能导致读取时出现不一致。您必须遵循从父母到孩子的链条，认识到可能有更多或更少的孩子，并且分割可能不均匀。简单的“每个分片一个线程”方法（例如 Lambda 使用的）是行不通的。

所以，底线是：是的，分片提供排序。但是，依赖该顺序可能会给您的应用程序带来难以诊断的错误。

在大多数情况下，这并不重要。但如果您需要保证顺序（例如在处理事务日志时），那么您must在写入记录时将您自己的排序信息添加到记录中，并确保在读取记录时正确排序。