MongoDB之分片集群（Sharding）
一、基本概念
分片（sharding）是一个通过多台机器分配数据的方法。MongoDB使用分片支持大数据集和高吞吐量的操作。大数据集和高吞吐量的数据库系统挑战着单一服务的性能。例如：高查询率将耗尽CPU的性能。大于系统RAM的工作集将给磁盘的IO很大的压力。
应对系统的增长有两个方法：垂直扩展和水平扩展。
垂直扩展的方法是提升单一服务的性能，例如：使用一个更强的CPU，或更多的内存，或提升大量的存储空间。可用技术的局限性将限制单一服务的工作负载。另外基于云的提供者也有硬件配置的上限。所以，垂直扩展是有上限的。
水平扩展的方法是将系统的数据集分配到多个服务上，添加额外的服务可以提升系统的能力。一个单独机器的性能和速度可以不是很高，每台机器处理整个工作负载的一个子集，潜在地相比一个单一的高速度、高性能的服务，提供了更好的性能。扩展部署的能力仅仅需要添加额外的需要的服务，这比添加高档的硬件要便宜不少。
1.1分片集群
MongoDB 的分片集群由下面的几个组件组成：
- 分片（shard）：每个分片包含了分片数据的一个子集，每个分片可以作为一个副本集部署。
- mongos：mongos扮演者查询路由的角色，提供着客户端应用和分片集群的接口。
- config servers：配置服务存储着集群的元数据和配置设置，MongoDB3.4以后，配置服务必须部署成副本集。
下图描述了分片集群中，各个组件的交互
mongodb在collection级别对数据进行分片，分配collection数据到集群中的每一个分片。
1.2分片主键（shard keys）
为了在集合中分配文档，MongoDB使用分片主键分割集合。分片主键由不重复的字段或者字段集合组成。
对一个集合分片时，你要选择分片主键，分片主键在分片以后不能修改。一个分片集合只有一个分片主键。
为了对非空的集合进行分片，集合必须有一个以分片主键开头的索引。对于空集合，如果集合对于分片主键没有一个合适的索引，MongoDB将创建索引。
分片主键的选择将影响分片集群的性能、效果和扩展能力。一个最佳的硬件和基础设施的集群的瓶颈取决于分片主键的选择。分片主键的选择将影响你的集群使用的分片策略。
1.3区块（chunks）
MongoDB分割分片数据到区块，每一个区块包含基于分片主键的左闭右开的区间范围。在分片集群中，MongoDB通过分片迁移区块，使用分片集群权衡器。权衡器视图完成一个公平的区块平衡，通过集群中所有的分片。
1.4分片的优点
MongoDB通过集群中的分片分配读和写的工作负载，允许每个分片处理集群中的一部分操作，读和写的工作负载可以通过添加分片进行横向扩展。包含分片主键或者组合主键前缀的查询，mongos可以定位这个查询到特定的分片或者分片子集上。这种定位操作比广播到所有分片要高效的多。
集群中的分片存储整个数据中的一部分，随着数据的增长，增加额外的分片可以增加集群的存储能力。
即使集群中的一个或多个分片不可用，集群也可以继续执行一部分读写操作。在宕机期间，不可用的分片上的数据是不能够处理的，可用分片上的读写操作是可以被成功处理的。在生产环境，每一个分片将被部署成副本集，提供可增长的冗余和高可用。
1.5 分片之前的考虑
分片集群的基础需求和复杂性需要小心的计划、执行和维护。谨慎地考虑分片主键是确保集群性能和效率所必须的。在分片之后，你不能改变分片的主键，也不能使集合不分片。如果查询不包含分片主键或者组合主键的前缀，mongos将执行广播操作，查询所有分片，这些查询将执行很长时间。
1.6分片和不分片集合
一个数据库可以有分片集合和不分片集合的混合，分片集合通过集群中的分片进行分割和分配，不分片集合将存储在基础分片中。每个数据库都有一个自己的基础分片。
1.7 连接分片集群
你必须连接mongos路由和集合中的集合进行交互。这包含分片和不分片的集合。客户端绝不可能连接一个单独的分片进行操作。你可以像连接mongod一样连接mongos，他们是一样的。
1.8分片策略
MongoDB支持两种分片策略进行数据分片。
Hash分片
Hash分片是计算一个分片主键的hash值，每一个区块将分配一个范围的hash值。
当分片主键中的一个范围被“关闭”，他们的hash值不可能在相同的区块中。基于hash值分布的数据促使了更多的数据分布，特别是分片主键单调变化的数据集。
Hash分布意味着基于分片主键的范围查询很少可能命中一个单一的分片，导致了更多的广播操作。
范围分片
范围分片是基于分片主键的值切分数据，每一个区块将会分配到一个范围。
分片主键的范围被“关闭”，他们也很有可能落在相同的区块中。这使得mongos可以路由操作到请求数据的分片上。范围分片的效率取决于分片主键的选择，欠考虑的分片主键将导致数据分布不均匀。这将取消一些分片的益处，还可以导致性能瓶颈。
二、分片集群的搭建
由于测试机有限，这里我们只展示最简单的分片搭建，即一个分片、一个配置服务、一个路由。
首先，我们启动配置服务，配置服务的mongodb的配置文件如下：
sharding:
clusterRole: configsvr
replication:
replSetName: "rs"
net:
bindIp: 192.168.2.233
clusterRole设置成configsvr，表名这个mongod是配置服务；副本集的名字叫做“rs”。
./bin/mongod --config conf/mongod.conf
然后，我们通过mongo shell连接这个mongod实例。
mongo --host 192.168.2.233 --port 27019
值得注意的是，配置服务启动时，默认的端口是27019，本人一开始并没有注意到，一直连接27017，连接不上，最后才发现端口不对。然后添加副本集。
rs.initiate()
返回如下：
{
"info2" : "no configuration specified. Using a default configuration for the set",
"me" : "192.168.2.233:27019",
"ok" : 1,
"operationTime" : Timestamp(1519283130, 1),
"$gleStats" : {
"lastOpTime" : Timestamp(1519283130, 1),
"electionId" : ObjectId("000000000000000000000000")
},
"$clusterTime" : {
"clusterTime" : Timestamp(1519283130, 1),
"signature" : {
"hash" : BinData(0,"AAAAAAAAAAAAAAAAAAAAAAAAAAA="),
"keyId" : NumberLong(0)
}
}
}
当出现ok=1时，说明添加成功了。
其次，我们启动shard实例。配置文件的内容如下：
sharding:
clusterRole: shardsvr
replication:
replSetName: "rs0"
net:
bindIp: 192.168.2.234
clusterRole配置shardsvr，说明这个实例是shard实例。副本集的名字我们叫做“rs0”，区别于配置服务的“rs”。启动mongod实例
./bin/mongod --config conf/mongod.conf
通过mongo shell连接这个实例
./bin/mongo --host 192.168.2.234 --port 27018
注意shard的实例启动时端口默认为27018。然后初始化副本集
rs.initiate()
返回结果如下：
{
"info2" : "no configuration specified. Using a default configuration for the set",
"me" : "192.168.2.234:27018",
"ok" : 1
}
最后启动mongos实例，配置文件内容如下：
sharding:
configDB: rs/192.168.2.233:27019
net:
bindIp: 192.168.2.235
configDB是配置服务副本集的名字，格式如下：副本集名称/ip:端口。启动mongos实例
./bin/mongos --config conf/mongod.conf
注意这里的命令是mongos，而不是之前的mongod。通过mongo shell连接这个实例
./bin/mongo --host 192.168.2.235 --port 27017
这里的端口是mongodb的默认端口27017。向集群中添加分片
sh.addShard( "rs0/192.168.2.234:27018")
分片的格式为：副本集名称/ip:端口。然后添加分片的数据库
sh.enableSharding("<database>")
配置分片的集合和主键
sh.shardCollection("<database>.<collection>", { <key> : <direction> } )
<key>为主键字段的名字。
<direction>为以下3种：
- “1”：主键值正向遍历；
- “-1”：主键值反向遍历；
- “hashed”：主键hash值
至此，MongoDB的分片集群介绍完了。
