什么是 MongoDB Sharding
Sharding 又称分片，是 MongoDB 扩展性的一种解决方案，它可以在多台机器上水平划分数据，将数据分散存储，提高 MongoDB 的处理能力。
MongoDB Sharding 优化策略
1. 合理设置 Chunks 大小
Chunk 是 MongoDB Sharding 中的一个概念，指的是数据集合后被分割成的块。合理设置 Chunk 大小能够增强 MongoDB 数据的读写性能。这是 MongoDB Sharding 中最为重要的优化手段。
合理设置 Chunk 大小至少需要考虑以下两个因素：
Chunk 大小要与运行时的工作负载相匹配，避免过小或过大导致扩容、迁移负担过大。
Chunk 大小的设置也要与应用场景和数据集合的特性相匹配，根据数据的访问频率和数据的大小等因素，自定合理的 Chunk 大小。
sh.enableSharding("mydb");
db.runCommand({
shardCollection: "mydb.collection",
key: { _id: "hashed" },
numInitialChunks: 20,
});2. 合理设置 Chunk 的区间范围
Chunks 的范围是按照 Chunk 的 key 值进行划分的，最好是均匀分布，合理的 Chunk 区间设计能够使查询和操作更加高效，减少了数据的迁移。
为了保证 Chunk 的区间范围均匀，可以使用 shard key。
shard key：{ <field>: 1 }
sh.shardCollection("test.users", { _id: "hashed" } );3. 合理设置 Chunk Distributions
慢查询经常出现在数据的分布不均衡时。Chunk distribution 工具可以帮助我们对于数据的分布情况进行评估和监控，从而进行合理的数据迁移和数据操作。在使用时，应谨慎拆分 Chunk，避免出现数据分布的不均匀现象。
4. 数据均衡
当数据均匀分布在多个分片上时，查询才能更均匀分配到多个分片，从而提升系统整体的性能。在新增分片后，最好能够把一部分数据迁移到新的分片上，以达到数据负载均衡的目的。
ShardingBalancer.startBalancer() ShardingBalancer.stopBalancer()
总结
以上是 MongoDB 中的 Sharding 优化策略，这些策略都是需要在业务场景中分别分析和实验才能得出具体的优化方案，详细思考不同的业务场景和不同的数据集合后，灵活运用 MongoDB Sharding 扩展性的特性，能够提升整个系统的效率和性能，为企业的数据处理提供保障。
来源：JavaScript中文网 ，转载请注明来源 https://www.javascriptcn.com/post/64c9f8425ad90b6d0418d92c
