面试题：MongoDB中片键对数据分布的基础影响

Question

在MongoDB分片集群中，简述片键选择如何影响数据在各个分片上的分布，并举一个简单示例说明不同片键选择带来的不同分布情况。

Answer 1

片键选择对数据在分片上分布的影响

1. 均匀分布：如果片键选择得当，数据能够均匀地分布在各个分片上。例如选择具有高基数（即包含大量不同值）且分布较为均匀的字段作为片键，如电商系统中订单表的“订单创建时间戳”，随着时间不断有新订单生成，这个字段的值不断变化且分布相对均匀，MongoDB可以根据这个片键将订单数据比较均衡地分配到各个分片，从而充分利用集群资源，提高读写性能。
2. 不均匀分布：若片键选择不当，可能导致数据倾斜。比如选择一个低基数的字段，像电商系统订单表中“订单状态”（可能只有“待支付”“已支付”“已取消”等有限几个状态）作为片键，大部分数据可能集中在某一个或几个分片上，而其他分片数据量极少，使得集群资源无法充分利用，读写性能下降。

示例

假设有一个包含学生信息的集合，结构如下：

{
    "name": "张三",
    "age": 20,
    "class": "一班",
    "score": 85
}

1. 选择“age”作为片键：由于年龄取值范围相对有限（假设学生年龄在15 - 25岁之间），数据可能不会均匀分布。例如，18岁和19岁的学生较多，这部分数据可能集中在少数几个分片上，导致数据倾斜。
2. 选择“name”作为片键：学生姓名具有较高基数，每个学生姓名大概率不同，因此以“name”作为片键时，数据更有可能均匀地分布在各个分片上，能够更好地利用分片集群的资源。