MongoDB 官方文档笔记之分片 Sharding

为什么要分片

大数据量和高吞吐量会对机器性能造成较大压力，通过将数据分配到多台机器上，来降低单机的负载，提高整体性能，还可以通过增加分片来实现系统扩容，另外分片也提高了整体服务的可用性。

• 提升读写性能

• 存储容量扩容

• 高可用

分片集群架构

• shard：即分片，真正存储数据的地方，其中数据以 chunk 为单位存储。部署时每个分片可以部署成一个副本集群，提高单个分片的可用性。

• mongos：查询路由，相当于一层代理，让客户端无感知读写分片集群。

• config servers：存储配置元数据，mongos 通过与之交互，得到分片的位置和信息。config servers 也可部署成副本集群。

分片中通过块 Chunk 来组织数据

在一个 shard 中，数据是通过 chunk 的形式存储的，每个 chunk 有一定容量，存储一系列文档数据。chunk 默认大小是 64M。

分片中有两个比较重要的进程：splitting 和 balancer。

splitting 进程：

splitting 进程在 chunk 的大小超过最大值或 chunk 中文档个数超过一定数量时，会将 chunk 做切分处理：

balancer 进程

balancer 进程负责迁移 chunk。如果分片集群中最大的 shard 和最小 shard 的 chunk 数量超过迁移阈值，balancer 进程将会触发 chunk 迁移，使集群中 shard 之间的容量更加平衡。

分片键

分片键决定了文档在分片集群中分布情况。分片键要么是单字段索引，要么是复合字段索引。

每个分片键的值，与数据块 chunk 对应。也就是说一个分片键的计算结果，映射到一个 chunk 上。

指定分片键：

sh.shardCollection( namespace, key )# namespace 为<database>.<collection> 指定数据库集合# key 为一个索引 后面跟分片类型 { <shard key field1>: <1|"hashed">, ... } 

定向操作和广播操作 Targeted Operations & Broadcast Operations

mongos 上的操作，如果能够直接定位到具体一个 shard ，这种操作是最快的，这种被称为定向操作 Targeted Operations。

反之有些操作必须查询所有 shard，之后合并查询结果，这种被称为广播操作 Broadcast Operations。

Broadcast Operations：

Targeted Operations：

哈希分片 Hashed Sharding

哈希分片可以使集群数据分布更均衡，可以将等值匹配的查询直接定位到具体分片上，实现定向操作。但值相近的文档可能会被分配到不同分片上，且范围查询需要通过执行广播操作来完成。

范围分片 Ranged Sharding

范围分片是默认的分片方式。值相近的文档可能分配到相同的块和分片中，使得范围查询效率更高。

分片区 zone

一个区域 zone 可以对应 N 个分片，作用是干预分片键的结果，常见场景如：期望将相关数据存在地理位置相近的分片上。下面列举了分片的作用：

• 将指定的数据放在指定的分片上。

• 确保最相关的数据驻留在地理上最靠近应用程序服务器的分片上。

• 根据分片硬件的硬件/性能将数据路由到分片。

参考

MongoDB 文档 Sharding：https://docs.mongodb.com/v4.2/sharding/

MongoDB 文档 Data Partitioning with Chunks：https://docs.mongodb.com/v4.2/core/sharding-data-partitioning/#chunk-splits

MongoDB 中文文档 MongoDB 分片：https://docs.mongoing.com/fen-pian

《Mongo 进阶 - DB 核心：分片 Sharding》https://www.pdai.tech/md/db/nosql-mongo/mongo-z-sharding.html