面對海量的數據，如何提升數據讀寫效率？了解過DB的應該都知道數據庫的分區，分區是主要提升數據查詢的效率。面對海量數據的IO能力限制以及擴展性，Sharding是一個利器，我們不用關心具體的實現，從而實現性能的提升。

Sharding不是一門技術，而是一個理念，解決數據的水平擴展，突破單節點的IO限制。很多成熟的NoSQL以及NewSQL就自帶了sharding實現，使用者直接指定需要分片的字段，集群就可以自行分片了。

sharding是share nothing的簡寫，在不同的片區，數據互不干擾。和傳統的分區不同，數據庫分區是物理數據庫實現的技術，目的是為了在操作數據庫時減少SQL設計的讀寫范圍，提升讀數據的時間。sharding是面對分布式的存儲，將查詢進行并行處理。

sharding是負責數據的一個子集中一臺或多臺服務器，如果有多臺服務器，每一臺服務器都是一個數據的副本，通常我們在replica set中可以設定副本數。一般來說，在定義了分片key字段后，sharding有三種方式：

按號段

hash取模

用戶自定義

很多nosql和newSQL已經實現了sharding技術，下面以MongoDB和Mysql cluster為例來詳細介紹。

MongoDB

在指定了分片字段（shard key)后，mongoDB集群會將數據自行進行分區，通過數據量進行分片。同時他會對每一分片進行區間劃分，每一區間又各自存儲不同范圍的數據。這么做目的是為了進行數據的合理轉移，減少因為大數據量的轉移帶來的網絡開銷，影響使用。通常塊定義大小是200M，定義過大，會導致移動數據大帶來的網絡開銷，過小，又會帶來管理開銷。

mongoDB在移動數據使之達到平衡的工作，由一個平衡器進程來做，自動化完成，你無需關心其中細節。平衡器的目標不僅是平衡，還需要最小化遷移量。

用戶不會直接的訪問mongo分片，二是通過mongoDB的終端mongos來訪問，其會轉移所有的請求到對應的分片，而所有的配置，都保存在mongod配置服務器上，mongod是輕量的進程，通常可以運行在任何的mongo集群服務器上。

使用mongo集群需要注意對數據的統計，如果一個分片移動正在進行，那么在兩個分片都會保存該數據，直到移動完成，才會在原有分片上將數據刪除。所以如果分片不合理造成頻繁的移動，那么極有可能是統計出很多多余的數據。

另外，如果需要對數據超過一個字段進行唯一性驗證，通常我們設置了一個字段索引，并按照該字段索引進行分片，這時針對另外一個需要唯一性的字段，寫入時必須要檢測是否已經存在，假設有兩個應用程序進程，同時檢測，這時會得到都沒有的結果，然后同時寫入，導致重復字段。解決的方式是必須在寫前對所有集群加鎖，但會嚴重影響集群的性能。

總結

以上是生活随笔為你收集整理的【MongoDB】Sharding分片概念及原理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。