通过设置数据分片提升性能

下面以数据库mytable，集合mycoll，字段“name”为分片键举例说明。

1. 通过mongo shell登录分片集群实例。
2. 判断集合是否已分片。

   use <database>
   db.<collection>.getShardDistribution()

   示例：

   use mytable
   db.mycoll.getShardDistribution()

   

3. 对集合所属的数据库启用分片功能。
   • 方式一

     sh.enableSharding("<database>") 

     示例：

     sh.enableSharding("mytable")

   • 方式二

     use admin 
     db.runCommand({enablesharding:"<database>"})

4. 对集合进行分片。
   • 方式一

     sh.shardCollection("<database>.<collection>",{"<keyname>":<value> })

     示例：

     sh.shardCollection("mytable.mycoll",{"name":"hashed"},false,{numInitialChunks:5})

   • 方式二

     use admin
     db.runCommand({shardcollection:"<database>.<collection>",key:{"keyname":<value> }})

   表1 参数说明

   参数	说明
   <database>	数据库名称。
   <collection>	集合名称。
   <keyname>	分片键。 集群实例将根据该值进行数据分片，请结合实际业务为集合选择合适的分片键，具体操作请参见选择合适的分片键。
   <value>	基于分片键的范围查询的排序方式。 1：表示索引升序。 -1：表示索引降序。 hashed：表示使用Hash分片，通常能将写入均衡分布到各个分片节点。 更多信息，请参见sh.shardCollection()。
   numInitialChunks	可选。当使用Hash分片键对空集合进行分片时，指定初始创建的最小分片数。

5. 查看数据库在各分片节点的数据存储情况。

   sh.status()

   示例：

   

• 背景

  分片集群中数据的分片以集合为基础单位，集合中的数据通过分片键被分成多个部分。分片键是在集合中选择的一个合适的字段，数据拆分时以该分片键的值为依据均衡地分布到所有分片中。如果您没有选择到合适的分片键，可能会降低集群的使用性能，出现执行分片语句时执行过程卡住的问题。

  分片键一旦设置后不能再更改。如果未选择到合适的分片键，需要使用正确的分片策略，将数据迁移到新的集合后重新执行分片。

• 合适的分片键的特点
  • 所有的插入、更新以及删除操作，将会均匀分发到集群中的所有分片中。
  • key的分布足够离散。
  • 尽量避免scatter-gather查询。

  如果所选分片键不具备以上所有特点，将会影响集群的读写扩展性。例如，通过find()操作读取的工作量在分片中非均匀分布，最终会产生查询热分片。同样，如果写工作量（插入、更新和修改）在分片中非均匀分布，最终会产生写热分片，严重限制分片的优势。因此，您需要根据应用读写状态（重读取还是重写入）、经常查询及写入的数据等业务需求，调整您的分片键。

  需要注意，对已有数据分片后，如果update请求的filter中未携带片键字段并且选项upsert:true或者multi:false，那么update 请求会报错，并返回“An upsert on a sharded collection must contain the shard key and have the simple collation.”

• 判断标准
  您可以通过表2中的几个维度，判断所选分片键是否能够满足业务需求。

  表2 合理分片键的判断依据

  判断依据	说明
  片键基数	片键基数是指划分数据块的能力。例如，要记录某个学校的学生信息，由于学生的年龄比较集中，如果选择年龄作为分片键，同一个数据段中将存储很多同龄学生的数据，影响集群的性能以及可管理性。由于学生的学号唯一，如果选择学号作为分片键，分片基数较大，有利于数据的均匀分布。
  写分布	若用户业务在同一时间段有大量写操作，则希望这些写操作能够均匀分布到各个分片上。如果数据分布策略为范围分片，并以一个单调递增的值作为分片键，此时，大量写入的数据同样是片键字段递增，数据将写入同一个分片。
  读分发	若用户业务在同一时间段有大量读操作，则希望这些读操作能够均匀分布到各个分片上，以充分利用各分片节点的计算性能。
  定向读	dds mongos查询路由器可以执行定向查询（只查询一个分片）或scatter/gather查询（查询所有分片）。只有查询中存在分片键，dds mongos才能定位到单一分片，因此，您需要选择在业务运行时可用于普遍查询的分片键。如果您选择合成的分片键，将无法在定向查询中使用该片键，所有的查询方式将变成scatter/gather查询，从而限制扩展读数据的能力。

分片集群支持将单个集合的数据分散存储在多个分片上，用户可以根据集合内文档的分片键来分布数据。

目前，主要支持两种数据分布策略，即范围分片（Range based sharding）和Hash分片（Hash based sharding），设置方式请参见4。

下面分别介绍这两种数据分布策略以及各自的优缺点。

• 范围分片

  基于范围进行分片，即集群按照分片键的范围把数据分成不同部分。假设有一个数字分片键，为一条从负无穷到正无穷的直线，每一个片键的值均在直线上进行标记。可以理解为将该直线划分为更短的不重叠的片段，并称之为数据块，每个数据块包含了分片键在一定的范围内的数据。

  图1 数据分布示意图
  

  如上图所示，x表示范围分片的片键，x的取值范围为[minKey,maxKey]，且为整型。将整个取值范围划分为多个chunk，每个chunk（通常配置为64MB）包含其中一小段的数据。其中，chunk1包含x值在[minKey, -75]中的所有文档，每个chunk的数据都存储在同一个分片上，每个分片可以存储多个chunk，并且chunk存储在分片中的数据会存储在config服务器中，dds mongos也会根据各分片上的chunk的数据自动执行负载均衡。

  范围分片能够很好地满足范围查询的需求，例如，查询x的取值在[-60,20]中的文档，仅需dds mongos将请求路由到chunk2。

  范围分片的缺点在于，如果分片键有明显递增（或递减）趋势，新插入的文档很大程度上会分布到同一个chunk，从而无法扩展写的能力。例如，使用“_id”作为分片键，集群自动生成id的高位值将是递增的时间戳。

• Hash分片

  根据用户的分片键值计算出Hash值（长度64bit且为整型），再按照范围分片策略，根据Hash值将文档分布到不同的chunk中。基于Hash分片主要的优势为保证数据在各节点上分布基本均匀，具有“相近”片键的文档很可能不会存储在同一个数据块中，数据的分离性更高。

  图2 数据分布示意图
  

  Hash分片与范围分片互补，能将文档随机分散到各个chunk，充分扩展写能力，弥补范围分片的不足。但所有的范围查询要分发到后端所有的分片，才能获取满足条件的文档，查询效率低。