MongoDB测试

MongoDB常见部署架构

• 单机版：开发与测试
• 复制集：高可用
• 分片集群：横向扩展

为什么要使用分片集群?

• 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

分片如何解决?下面用一个例子来讲解：

情况如下：

• 银行交易单表内10亿笔资料，超负荷运转
• 交易号0- 1,000,000,000

解决方法1

• 把数据分成两半，放到两个库物理里。

  • 交易号 ：0 - 500,000,000
  • 交易号 ：500,000,000 - 1,000,000,000

解决方法2

• 把数据分成四部分,放到四个物理库里。

  • 交易号：0 - 250,000,000
  • 交易号：250,000,000 - 500,000,000
  • 交易号：500,000,000 - 750,000,000
  • 交易号：750,000,000 - 1,000,000,000

分片集群解剖:路由节点mongos

graph TD
A[Application] --> B(Driver)
    B --> C{mongos
123}
    C --> |Shared1/config1| Z[复制集1]
    B --> D{mongos}
    D --> |Shared2/config2| Y[复制集2]
    B --> E{mongos}
    E --> |Shared3/config3| X[复制集3]

路由节点

• 提供集群单一入口
• 转发应用端请求
• 选择合适数据节点进行读写
• 合并多个数据节点的返回
• 无状态
• mongos 建议至少2个

配置(目录)节点

• 提供集群元数据存储
• 分片数据分布的映射
• 普通复制集架构

数据节点

• 以复制集为单位横向扩展
• 最大1024分片
• 分片之间数据不重复
• 所有分片在一起才可完整工作

MongoDB分片集群特点

• 应用全透明，无特殊处理
• 数据自动均衡
• 动态扩容,无须下线
• 提供三种分片方式

MongoDB分片集群特点

• 应用全透明，无特殊处理
• 数据自动均衡
• 动态扩容，无须下线
• 提供三种分片方式

分片集群数据分布方式

• 基于范围
• 基于Hash
• 基于zone/tag

分片集群数据分布方式-基于范围(最常用)

Pros	Cons
片键范围查询性能好	数据分布可能不均匀
优化读	容易有热点

分片集群数据分布方式-基于哈希

Pros	Cons
数据分布均匀，写优化	范围查询效率低

• 适用:日志，物联网等高并发场景

分片集群数据分布方式-自定义Zone

小结

• 分片集群可以有效解决性能瓶颈及系统扩容问题
• 分片额外消耗较多，管理复杂，尽量不要分片
• 如果实在要用，请仔细学习下一讲