在Mongodb的sharding架构中，每个片上的数据，是按照chunk（块）为最小单位组织的。chunk是一个数据集合，默认64M。一个片上有很多chunk，但是一个chunk只能在一个片上。chunk是一个区间，比如{{"Wid":10000}-->>{"Wid":10010}},这就是一个块，Wid就是我们要说的片键，是一个表中的某个字段。表中的数据按照这个字段排序切分成块，分布到各个片上。查询的时候也是按照这个字段去查询，相当于关系数据库中分库分表的作用。
在Sharding结构中，分片策略，片键选择是影响性能的关键因素，片键不仅影响数据分布，而且影响业务逻辑，所以片键的选择不单单是均匀的将数据分布到各个片上，而且要考虑查询的性能。坏的片键有时候会导致数据分布很差，有时候会导致无法使用局部性原理，还有一些会影响数据块的拆分。
一、低效的片键
1、分布性差
升序片键。要分析分布性问题，首先我们要记住分片是基于范围的。使用升序的片键，所有最新插入的数据都会落到某个很小的连续范围内。也就是说，这些插入都会被路由到一个块上，而这个块肯定存在在某个片上，这实际上抵消了分片一个很大的好处，将插入的负载自动分布到不同的机器上，这对插入负载很高的应用是不合理的。而且，mongodb是带平衡器的，如果某个片上的chunk过多，那么平衡器会将多出的chunk转移到其他片，升序片键其实也加重了转移chunk的负担。注意，升序片键并不影响更新，只要是随机更新的就可以。
2、缺乏局部性
完全随机片键。通过第一点，我们会想，是不是随机的字段会适合作为片键，可以防止分布性问题。是的，随机片键可以将新插入的数据路由到各个片上，有效减轻单个片的插入负载。但这并不完全合理，比如完全随机片键。假设分片集合里的每个文档都包含一个MD5，而且MD5就是分片键，在对每个分片的MD5字段索引进行插入的时候，每次插入过程中，索引中的每个虚拟内存分页都有可能被访问到，实际上这就意味着索引必须总是装在内存里，如果索引和数据不断增多，超出了物理内存的限制，那么就会产生页错误（page fault），导致性能下降。
这其实是局部引用性问题。局部的概念，在这里指任意给定时间间隔内所访问的数据基本都是有关系的，例如虽然升序的片键是糟糕的，但是它提供了很好的局部性，对索引的连续插入都会发生在最近使用的虚拟内存分页里；因此，在任意时刻内存里只要有一部分索引就可以了。
再用上边的例子，比如说MD5是用户存的文件的MD5值，作为片键，用户上传100个文件，那么对索引的修改就基本会发生在随机的100个地方，但是如果我们使用用户ID作为片键，那么每次写索引基本都会发生在同一个地方，因为插入的文档都拥有相同的用户ID值。这就利用了局部性。
完全随机片键还有一个问题，对这个片键任意一个有意义的范围查询，都会被发送到所有的分片上，然后返回mongos汇总。但是对一个较粗粒度的片键进行范围查询，是可以落到单个分片上。
3、无法拆分的块
粗粒度片键。如果升序片键和完全随机片键都不好用，那么一个显而易见的选择就是粗粒度的分片建，比如上边说的用户ID。如果按照用户ID分片，你可以预料到插入会分布在各个分片上，因为无法预知哪个用户何时回插入数据。这样一来，粗粒度分片键也能拥有随机性，还能发挥分片集群的优势。
而且粗粒度的片键还能使用局部性带来的效率提升。当某个用户上传100个文件，基于用户ID字段的分片建能确保这些插入都落到同一个分片上，并几乎能写入索引的同一部分，这样效率很高。
粗粒度分片键在分布性和局部性上都表现很好，但是它也有一个很难解决的问题：块有可能无限制的增长。想想基于用户ID的片键，假如有几个特殊用户，他们上传了上百万个文件，那么一个块里就可能只有一个用户ID，这个块能拆分么？不能，因为用户ID是最小的粒度，拆分了查询就没法路由到数据。这就造成分片之间数据量不均衡。更典型的就是type，status这类的字段，因为它们的选择性是在是太低，导致无法拆分。
二、理想的片键
上边我们讨论了低效片键的问题和原因，显然，理想的片键应该结合粗粒度分片键与细粒度片键两者的优势。
一个好的片键必须包含的特性：
1、将插入数据均匀分布到各个分片上
2、保证CRUD能利用局限性
3、有足够的粒度进行块拆分
满足这些要求的的片键通常由两个字段组成，第一个是粗粒度，第二个是粒度较细。那么我们需要使用复合片键{userid：1，_id:1}。当用户同时插入数据时，我们可以预见大多数情况下，这些数据会被均匀的分布到所有的片上，而且分片里的唯一字段_id能保证对任意一个文档的查询和更新始终都能指向单个分片。如果对用户ID执行更复杂的查询，那么路由也只会将查询路由包含此用户ID存在的片上，而不会发到所有分片。
由于_id（升序）的存在，保证了块始终是能继续拆分的，哪怕用户创建了大量文档，情况也是如此。
三、总结
一个理想的片键可以极大的提升CRUD的性能，充分利用分片的优势。一般情况下，片键都会选择一个粗粒度+细粒度的组合片键，而且这也能充分利用复合索引的优势（注意顺序）。当然在一些系统中，比如确定用户不会上传大量文档，那么只要一个用户ID也是可以的，看系统设计。
阅读(8091) | 评论(0) | 转发(0) |
