面试题：MongoDB数据均衡中shard key的作用及选择原则

Question

在MongoDB数据均衡机制里，shard key起着关键作用。请阐述shard key是什么，它对数据均衡有怎样的影响，以及在实际应用中选择shard key应遵循哪些原则？

Answer 1

1. shard key 是什么

shard key 是 MongoDB 在进行数据分片时用于决定文档应被分配到哪个分片（shard）的字段或字段集合。它就像是一把“钥匙”，通过对文档中这个特定字段或字段组的值进行计算，从而确定该文档在整个分片集群中的存储位置。

2. 它对数据均衡的影响

• 数据分布：shard key 直接决定数据在各个分片上的分布情况。如果 shard key 选择合理，数据会相对均匀地分布在各个分片上，实现负载均衡。例如，若以时间戳字段作为 shard key，随着时间推移，新数据会按时间先后均匀地分布到不同分片。
• 读写性能：合理的 shard key 能将读写操作均匀分摊到不同分片，避免单个分片负载过高。例如按地理位置分片，查询不同地区数据时，负载会分散到相应地理位置对应的分片上，提高整体读写性能。若 shard key 选择不当，可能导致数据倾斜，部分分片负载过重，影响集群性能。

3. 在实际应用中选择 shard key 应遵循的原则

• 基数原则：shard key 应该有较高的基数，即它的值应该有足够多的不同取值。这样可以保证数据在分片上更均匀地分布。例如，用用户 ID 作为 shard key 就比用性别（只有男/女两种取值）更合适，因为用户 ID 有大量不同的值，能更好地分散数据。
• 访问模式原则：要结合应用的访问模式来选择 shard key。如果应用经常按某个字段进行查询，那么该字段或包含该字段的组合作为 shard key 可能更合适。例如，电商应用经常按订单号查询订单，订单号就可考虑作为 shard key 或 shard key 的一部分，这样查询时能快速定位到包含相关订单数据的分片。
• 避免热点原则：避免选择可能产生热点数据的字段作为 shard key。例如，如果应用大部分读写操作都集中在某个时间段内的数据，以时间戳作为单一 shard key 可能导致新数据集中在少数分片上，产生热点。此时可结合其他字段，如用户 ID + 时间戳，分散热点。
• 稳定原则：shard key 一旦确定，尽量不要修改。因为修改 shard key 需要对整个集群的数据进行重新分布，这是一个非常消耗资源且可能影响系统正常运行的操作。