注意：此篇仅为自己学习过程中总结。
本文档详细介绍了 SofaRaft 分布式存储中 Region 的三种主要设计与部署模式：
单 Region 单实例
多 Region 单实例
引入 PD（Placement Driver）动态管理 Region
结合实际应用场景，阐述各方案特点、优缺点及适用建议。
一、基础概念
Region：SofaRaft 中数据的最小逻辑存储单元，负责管理一定范围的 Key。
startKey、endKey：定义 Region 管理的数据范围，左闭右开区间
[startKey, endKey)，只有属于此区间的 Key 才归该 Region 管理。PD（Placement Driver）：集群调度中心，负责 Region 的元信息管理、负载均衡、拆分合并及迁移。
二、单 Region 单实例模式
1. 设计说明
整个 Key 空间（所有数据）由单个 Region 管理。
该 Region 运行在单个 Raft 实例上。
startKey一般为空字符串（最小 Key），endKey为空或最大值，覆盖整个 Key 空间。
2. 优点
实现和配置简单。
适合数据量小、访问压力较低的场景。
方便开发调试。
3. 缺点
单实例容量及性能受限，成为性能瓶颈。
容错能力有限。
不支持横向扩展。
4. 适用场景
小型应用或测试环境。
数据规模和访问量较小。
三、多 Region 单实例模式
1. 设计说明
将全量 Key 空间拆分成若干个 Region，每个 Region 负责部分连续 Key 范围。
所有 Region 运行在同一套 Raft 实例（Server）或在多实例中独立管理。
应用层需在启动时配置多个 Region 的
startKey/endKey，确保区间连续且无重叠。
2. 优点
支持局部区域并发处理，提升性能。
减小单个 Region 管理负载，降低复杂度。
局部故障影响范围有限，提高可用性。
3. 缺点
同机器多 Region 会增加资源压力。
手动划分和管理 Region，配置复杂。
负载均衡、热点问题需人工监控调整。
4. 适用场景
中小规模集群，暂未引入 PD。
希望通过合理切分实现读写负载分摊。
运维团队可支持手动调度和管理 Region。
四、引入 PD 动态 Region 模式
1. 设计说明
由 PD 集中管理所有 Region 元信息、调度逻辑。
Region 动态拆分、合并、迁移，自动响应数据热点和负载变化。
应用无需预先配置具体 Region 边界，只需根据业务 Key 操作，系统自动定位。
2. 优点
自动负载均衡，避免热点及资源浪费。
支持大规模集群及海量数据。
简化应用和运维复杂度。
高可用与高扩展性。
3. 缺点
引入 PD 增加系统设计复杂度。
PD 本身是单点或高可用组件，需考虑其稳定性。
4. 适用场景
大规模分布式集群。
需要强动态伸缩、自动负载均衡。
业务访问模式复杂、多变。
五、关于 startKey 和 endKey 的配置建议
六、Key 字符串与哈希 Region 划分
字符串作为 Region 边界，方便范围和前缀扫描，但可能存在数据和负载不均。
哈希分区能大幅均衡负载，但不支持范围扫描，适合随机散列访问场景。
无 PD 场景，哈希区间手工配置复杂，一般建议用字符串区间且配合人工拆分。
有 PD 场景，PD 会自动结合业务需求作智能分区。
评论区