数据容量日益增大，访问性能日渐降低，怎么破？
新品上线异常火爆，如何支撑更多的并发用户？
单库已有 10TB 数据，恢复需要1-2天，如何加速？
地理分布数据

如何分片

 完整的分片集群

 mongos：路由节点
　　1.提供集群单一入口
　　2.转发应用端请求
　　3.选择合适的数据节点进行读写
　　4.合并多个数据节点的返回
　　5.无状态的，至少两个做冗余

 config server：配置节点
　　1.配置服务器存储集群的元数据和配置设置
　　2.从mongodb3.4开始，必须将配置服务器负数为副本集
　　3.提供集群元数据存储
　　4.分片数据分布的映射

 mongod：数据节点
　　1.以复制集为单位，横向扩展
　　2.最大1024个分片
　　3.分片之间数据不重复
　　4.所有分片在一起才可以完整的工作

  mongodb分片集群的特点：
　　1.应用全透明，无特殊处理
　　2.数据自动均衡
　　3.动态扩容，无需下线
　　4.提供三种分片方式

　mongodb分片总结：
　　1.分片集群可以有效解决性能瓶颈及系统扩容问题
　　2.分片额外消耗较多，管理复杂，能不分片尽量不要分片
　　3.如果实在要用，请仔细学习下一讲

1.基于范围

选一个或者几个字段来进行分片

 

2.基于hash

可以随机分布到各个节点

 

3.基于zone/tag

自定义zone

 

 4.分片集群中的概念

分片集群中的概念

 

1.如何用好分片集群

2.分片的大小

分片的基本标准：
　　1.关于数据：数据量不超过3TB，尽可能保持在2TB一个片
　　2.关于索引：常用索引必须容纳进内存
按照以上标准初步确定分片后，还需要考虑业务压力，随着压力增大，CPU、RAM、磁盘中的任何一项出现瓶颈时，都可以通过添加更多分片来解决。

　　3.选择合适的片键

选择基数大的片键(就是分片键的复杂度要高)

对于小基数的片键：
　　因为备选值有限，那么块的总数量就有限；
　　随着数据增多，块的大小会越来越大； ? 水平扩展时移动块会非常困难；
例如：存储一个高中的师生数据，以年龄（假设年龄范围为15~65岁）作为片键，那么：
　　15<=年龄<=65，且只为整数
　　最多只会有51个 chunk
结论：取值基数要大！

对于分布不均匀的片键：
　　造成某些块的数据量急剧增大
　　这些块压力随之增大
　　数据均衡以 chunk 为单位，所以系统无能为力
例如：存储一个学校的师生数据，以年龄（假设年龄范围为15~65岁）作为片键，那么：
　　15<=年龄<=65，且只为整数
　　大部分人的年龄范围为15~18岁（学生） ? 15、16、17、18四个 chunk 的数据量、访问压力远大于其他 chunk
结论：取值分布应尽可能均匀

假设
    4个分片的集群，你希望读取某条特定的数据
    如果你用片键作为查询条件，mongos可以直接定位到具体的分片
    如果你不用管片键，mongos需要把查询分发到4个分片
    等待最后一个分片想赢。mongos才能想赢客户端

结论：对主要查询要有定向能力

1.垂直分片
    提升集群节点性能，但是有瓶颈，尽量选择比较好的服务器！
2.水平分片
    呈线性提升性能，带来维护成本
    数据增长很快，但是查询并不需要查询所有的数据，坑热数据的区分！

在mongodb中绝大部分使用的是复制集，分片集群使用的也是比较少的

分片的本质是数据块太大了。需要把数据块拆小一点。