mongodb shard key的选择

（1）对于那种持续增加的shard key，如日志中的时间字段，或者数据库中的自增字段；

采用这些字段做shard key会导致数据库的插入完全集中在最后一个分片上，导致写入压力比较大。

但是这种方式对数据库的查询有利。由于这种类型的应用，其访问的内容已经在内存当中，所以性能表现会不错。

一种解决方式是采用复合的shard key，如［timestamp, usename］

（2）随机分布的shard key

随机shard key在开始时没有问题，但是随着数据量的增大会导致数据库的性能下降。

一个是，为了平衡数据库的各个分片，mongodb须从磁盘读取相应的chunk，导致IO压力变大。

另外，这种访问的不规律，导致数据库频繁的从磁盘读入内存，开销较大。

如果我们的应用程序在很多时候都只访问近期的数据，我们会希望数据按照日期进行分布，但是考虑的性能问题，我们又希望数据均匀的分布在各个shard上。

为了解决这个问题，可以采用复合shard key

［coarselyAscending:1, search:1］, coarselyAscending 一般是那种自增的字段，比如日期等，而search则是我们经常会进行查询的字段。

这样对于第一个字段coarselyAscending中每一个range中的数据，都会按照第二个字段均匀的分布在某几个shard上，从而想对应的提高数据库性能。

另外看过另外一篇博客的文章，印象比较深刻的准则有：

http://blog.youkuaiyun.com/zhangzhaokun/article/details/6324389

可靠性

选择分片Key的一个非常重要因素是万一某一个分片彻底不可访问了，受到影响的Chunk有多大（即使是用貌似可以信赖的Replica Set）。

假定，有一个类似于Twiter的系统，Comment记录类似如下形式：

{

   _id: ObjectId("4d084f78a4c8707815a601d7"),

   user_id : 42 ,

   time : "2011-01-02T21:21:56.249Z" ,

   comment : "I am happily using MongoDB",

}

由于这个系统对写操作非常敏感，所以需要将写操作扁平化的分布到所有的Server上去，这个时候就需要用id或者user_id来作为分片Key了。使用Id作为分片Key有最大粒度的扁平化，但是在一个分片宕机的情况下，会影响几乎所有的用户（一些数据丢失了）。如果使用User_id作为分片Key，只有极少比率的用户会收到影响（在存在5个分片的时候，20%的用户受影响），但是这些用户会再也不会看到他们的数据了。