利用 MongoDB 实现数据分片增强效能（mongodb增加分片）
如今，NoSQL 数据库的使用变得越来越普遍，这其中的一个受欢迎的选择就是 MongoDB。它SDK 丰富、可扩展性强，但它有时也会受性能限制，随着数据规模的增加，性能越来越低。那么，如何利用 MongoDB 来增强效率呢？我们可以使用 MongoDB 的数据片增强效率。
MongoDB 的数据片是将数据按照一定策略分成多个碎片用于存储，特别适用于存储规模比较大的关系型数据，用来实现更高的性能及扩展性。它的分片算法有三种，第一种称为哈希分片，第二种称为范围分片，第三种称为树分片。
要实现数据分片，我们可以使用以下代码：
use myDB
sh.addShard("rs01/192.168.1.1:27001")sh.addShard("rs02/192.168.1.2:27001")
sh.addShard("rs03/192.168.1.3:27001")db.runCommand( { enablesharding : "myDB" } )
db.runCommand( { shardcollection : "myDB.location", key : { userId : 1 } } )
上面代码添加三个分片到分片集群，并将 myDB 数据库中的 location 集合进行分片，使用 userId 键进行分片，分片策略为哈希分片。
通过 MongoDB 的数据分片，我们可以将大量数据分散存储到不同的分片中，从而提升效率。它的灵活的分片规则也可以帮助我们更好的解决容量和性能之间的矛盾。但使用 MongoDB 的数据分片也需要注意，因为数据在分片集群中分散存储，当我们的查询需要访问大量的分片时，就会增加查询时间，从而降低查询效率。因此，完善的分片策略是必须的，我们要慎重地制定分片 Key 以达到最优划分。
