MongoDB架构下的分片优化实践（mongodb的分片）

MongoDB的分片是指把大数据分散到多台不同的物理机上，通过分片读取大数据，从而解决单台服务器不能存储大量数据，单个操作读取负荷大、性能难以满足期望等问题。本文主要介绍了MongoDB架构下的分片优化实践。

MongoDB架构下的分片优化，一般需要经过如下几个步骤：

1. 分区键的选择：可以通过一些性能分析工具，来寻找MongoDB数据量最大的分区键。这里分为两类：一类是唯一分区键，非唯一分区键；另一类是按照时间、地理位置等，从而将数据库分成几个区域。分区键的选择是整个MongoDB架构优化过程的基础。

2. 节点规划：如果采用备份方式，将一个主节点备份到另外一台服务器上，可以增加数据的容错能力，充分让用户利用存储设备；如果采用Sharding方式，就会分配许多Shard节点，这些节点会根据分区键的维度，分布到各个单元中。

3.数据索引：为了提高查询性能，应当根据检索的Key字段，主动创建索引。要根据频繁查询的字段，创建业务索引，以及按照collection中的_id字段，分区表的分区键创建索引。

通过上述步骤，MongoDB架构下的分片优化，用来解决数据读取时的性能问题，从而提升数据访问以及排序分析等等操作。如某一场景需要将单个集合的1.2亿条数据进行排序排名，并且每3秒统计和生成排名数据，可以通过将以上集合按唯一分区键分片，设置24个分片，使用 24个Shard节点，有效的将24次排序耗时从12分钟削减至1分钟左右：

// 连接MongoDB

client = pymongo.MongoClient(‘mongodb://localhost:27017/’)

// 建立index

db.users.createIndex({“name”: 1})

// 分片

sh.shardCollection(‘db.users’,{“name”: 1},{numInitialChunks: 24})

// 根据分片键来提交查询

query = {

name: {

‘$in’: [‘hello’,’world’]

}

}

// 进行排序

users.aggregate([

{$match: query}

{

‘$sort’: {

‘name’: -1

}

}

])

从上述代码可以看出，正确而有效的安排分片规划，能够有效的实现MongoDB架构下的分片优化。

总之，分片优化不仅可以提高MongoDB的性能，同时也可以实现数据的容错能力，个性化的数据划分。使用MongoDB进行数据分片，必须正确的实施，才能够最大限度的发挥其所提供的性能提升的作用。