一句话定义
分片（sharding）把数据横向切开解決单机容量与吞吐上限，副本（replica）纵向复制解决读扩展与高可用；向量场景的特殊性在于 scatter-gather 查询（每分片各取 top-k 再归并）与过滤感知的分片键选择——切法错了，性能与正确性一起埋雷。
为什么重要
单机内存与 QPS 上限迟早到来（kp-026 的账本决定何时到来），但分布式化的代价（fan-out 延迟、再平衡、运维复杂度）常被低估。分片键选择是向量库里少有的"事后极难更改"的决策——它同时决定查询路由、过滤效率与数据倾斜风险，必须在第一天想清楚。
前置知识
kp-018（分布式谱系）、kp-026（单机容量账）、kp-017 陷阱 3/4（过滤与分片键的耦合）。
核心概念
- 分片策略：哈希分片（均匀、无路由语义）、范围分片（有序查询友好）、租户/业务键分片（把高频过滤变成单分片路由）。
- scatter-gather：无路由键的查询广播到全部分片，各返回 top-k，协调节点归并全局 top-k；延迟 ≈ 最慢分片 + 归并。
- 副本：同一分片的完整拷贝；读吞吐线性扩、可用性提升，写流量与成本同步放大。
- 再平衡（rebalancing/resharding）：数据倾斜或扩容时搬移分片；多数向量库支持但代价高（双写、迁移期降级），规划时应尽量推迟它的到来。
- 召回的分片语义：各分片独立 ANN，全局召回依赖每片返回足够深的 top-k（oversample），通常额外损失很小但存在。
原理与机制
分片键决策表（最重要的实战内容）：
| 查询模式 | 推荐分片键 | 效果 |
|---|---|---|
| 几乎都带 tenant/org 条件 | 租户键 | 单分片路由，无广播；过滤退化为本地（kp-017） |
| 按时间窗检索为主 | 范围(时间) | 范围裁剪，老数据可转冷存储 |
| 无固定过滤、均匀随机访问 | 哈希(主键) | 均匀但全广播，需评估 fan-out |
| 多租户+租户大小悬殊 | 租户键+大租户内部二次分片 | 防倾斜 |
归并与召回：全局 top-k = 归并(每片 top-k')。理论上有"真正的全局近邻集中在某一片"的漏召回风险，工程上取 k' = k × α（α≈2~4）后归并，实测损失可忽略；过度担心而把 α 开到 10+ 只会浪费吞吐。
容量规划公式：
读容量: QPS_max ≈ QPS_per_replica × replicas (广播查询再 ÷ fan-out 惩罚)
数据容量: 总内存 ≈ kp-026 账本 × 副本数
分片数: 初始 = 目标单分片规模的上取整, 预留 2~4 倍增长空间
(每分片建议 ≤ 数千万向量, 便于单机索引构建与再平衡)扩容路径：单机 → 只读副本（读扩展）→ 垂直升配（内存机型）→ 水平分片。顺序尽量靠前：副本比分片便宜，垂直比分片简单；分片是最后手段，也是最难回退的手段。
公式或模型
广播查询的延迟下界：
p99_broadcast ≈ max_i(分片p99_i) + 归并开销 ≈ 单分片p99 + 尾部放大
分片数越多, "至少一片慢"的概率越高 → 广播查询的 p99 随分片数对数级恶化
→ 高频广播 = 架构坏味道, 应转租户路由或缓存图示
租户分片(带路由) 哈希分片(广播)
Q(tenant=42) Q(无过滤)
│ ├─► shard1 top-k ─┐
▼ ├─► shard2 top-k ─┼─► 归并top-k
shard2(仅含租户42) └─► shardN top-k ─┘
单跳, 无归并等待 延迟=最慢分片+归并实例或案例
多租户网盘搜索（3000 租户、6 亿向量、租户规模悬殊 1000 倍）：初版哈希分片，任何带租户过滤的查询都广播 16 分片，p99 480 毫秒；重设计为"租户分片 + 头部大租户独立二次分片"，90% 查询单跳路由，p99 降至 60 毫秒；头部租户的倾斜由二次分片吸收。分片键跟随查询模式，而非数据表结构——这是本篇的第一定律。
直观类比
分片像连锁仓库选址：按客户地域开仓（租户分片）→ 订单直发本地仓；按到货批次随机摆（哈希）→ 每张订单都要问遍全国仓库。副本是"同一仓库开两条流水线"——出货更快、账本要记两份。
常见误区
- "分片数越多性能越好"——广播延迟随分片数恶化、运维与再平衡成本上升；分片数服务于"单分片可服务"的目标规模，不是越多越好。
- "副本可以替代备份"——副本防机器故障不防误删/逻辑损坏（删除会同步到所有副本，kp-022）；备份与 PITR 必须独立建设。
- "以后再选分片键也行"——分片键变更=全量重分布；它必须在第一天与过滤/查询模式对齐（kp-017 陷阱 4 的预防式）。
- "扩容就加分片"——先试副本与垂直扩容；resharding 期间的双写与迁移降级常常比扩容问题本身更痛。
自测题
- 90% 查询带 org 条件、org 数 500、规模 3 亿，怎么分片？
- 为什么全局 top-k 各片取 k' > k？
- 副本为什么不能替代备份？
答：按 org 租户键分片实现单跳路由；org 数远小于分片数时按 org 哈希到分片组，头部大 org 单独成片或内部二次分片防倾斜。
答：各片 ANN 是独立近似，真实全局近邻可能排在某片局部第 k+1 名；k' = k×(2~4) 的 oversample 让归并后召回损失可忽略，成本仅是少量多余传输。
答：副本是同步的逻辑复制，DELETE/误写会即刻传播到全部副本；只有独立的时间点备份才能恢复误操作前的状态。
与其他知识点的关系
kp-026 提供单机容量账（分片的触发条件）；kp-017/014 提供过滤与分片键的耦合依据；kp-019 展示分布式向量库如何内建这些机制；kp-030 运维清单消费本篇的监控项（副本滞后、倾斜）。
延伸阅读
Wang et al., "Milvus: A Purpose-Built Vector Data Management System"（SIGMOD 2021）——分片/副本/一致性在向量负载下的系统化处理，本篇机制的产品级参照。