面试题答案
一键面试数据在分片服务器间的分布策略
- 范围分片（Range Sharding）
- MongoDB 可以按照某个字段的范围来进行分片。例如，如果数据集合中有一个“时间戳”字段，就可以按照时间范围进行分片。假设以月为单位，1 - 3 月的数据存储在分片 A，4 - 6 月的数据存储在分片 B 等。这样做的好处是对于基于时间范围的查询，如查询某几个月内的数据，查询路由器可以快速定位到相应的分片，减少不必要的跨分片查询。
- 实现方式是通过配置分片键，MongoDB 会根据分片键的范围将数据块（chunk）分配到不同的分片服务器上。
- 哈希分片（Hash Sharding）
- 对分片键进行哈希计算，根据哈希值将数据均匀地分布到各个分片服务器上。比如对于用户 ID 字段，可以对其进行哈希运算，哈希值相近的数据会被分配到同一个分片。这种方式适用于数据分布较为随机，且希望数据在各分片间均匀分布的场景，能有效避免数据倾斜问题。
- 例如，通过计算用户 ID 的哈希值，按照哈希值的范围将数据块分配到不同的分片服务器。
查询路由器（Query Router，即 mongos）如何根据通信协议将请求合理分配到不同的分片服务器
- 元数据管理
- mongos 维护一份集群的元数据，包括数据块（chunk）在各个分片上的分布信息。这份元数据存储在 config 服务器中，mongos 会定期从 config 服务器获取最新的元数据。
- 当一个查询请求到达 mongos 时，它首先根据元数据确定查询涉及的数据块所在的分片。例如，如果查询条件是“用户 ID 大于 1000”，且采用范围分片，mongos 会查看元数据，找到存储“用户 ID 大于 1000”数据块的分片服务器。
- 路由策略
- 点查询（Point Query）：对于单个文档的查询，如根据唯一的用户 ID 查询用户信息，如果采用哈希分片，mongos 会对用户 ID 进行相同的哈希计算，直接定位到存储该文档的分片服务器。如果是范围分片，mongos 根据元数据确定包含该用户 ID 的数据块所在的分片。
- 范围查询（Range Query）：对于范围查询，如查询某个时间段内的订单，mongos 会根据元数据找到所有包含该时间段数据块的分片服务器，然后并行向这些分片服务器发送查询请求，最后将各个分片返回的结果合并返回给客户端。
- 聚合查询（Aggregation Query）：mongos 会根据聚合操作的类型和数据分布情况，将聚合操作分解为多个子操作，分发给相应的分片服务器执行。例如，对于一个分组聚合操作，mongos 会先在各个分片上执行本地的分组聚合，然后将各分片的结果汇总到 mongos 上进行最终的聚合计算。
在集群规模动态变化时负载均衡机制如何自适应调整
- 添加分片
- 当向集群中添加新的分片时，MongoDB 的 balancer 会自动将部分数据块从现有分片迁移到新分片中。Balancer 会根据各分片的负载情况（如数据量、存储大小等）来决定迁移哪些数据块。
- 例如，如果分片 A 的数据量过大，而新添加的分片 C 负载较低，balancer 会选择将分片 A 中部分数据块迁移到分片 C，以实现负载均衡。迁移过程中，mongos 会实时更新元数据，确保查询请求能正确路由到新的位置。
- 移除分片
- 当需要移除某个分片时，balancer 会将该分片上的数据块迁移到其他分片上。首先，balancer 会评估其他分片的负载情况，选择合适的目标分片来接收迁移的数据块。
- 比如要移除分片 B，balancer 会将分片 B 上的数据块逐步迁移到负载相对较低的分片 A 和 C 等。在迁移完成后，从集群配置中移除该分片，同时 mongos 更新元数据，不再将请求路由到该分片。
- 负载监控与自动调整
- MongoDB 内部有监控机制，持续监测各个分片服务器的负载情况，如 CPU 使用率、内存使用率、磁盘 I/O 等。当某个分片的负载超过一定阈值时，balancer 会自动触发数据块的迁移操作，将负载较高的分片上的数据块迁移到负载较低的分片，以实现动态的负载均衡。
- 例如，当分片 D 的 CPU 使用率持续超过 80%，而其他分片的 CPU 使用率在 30% - 50% 之间，balancer 会启动数据块迁移任务，将分片 D 上部分数据块迁移到其他分片，使整个集群的负载保持均衡。