3

架构

{
        "_id" : ObjectId("5069d68700a2934015000000"),
        "port_name" : "CL1-A",
        "metric" : 340,
        "port_number" : "0",
        "datetime" : ISODate("2012-09-30T13:44:00Z"),
        "array_serial" : "12345"
}

每个阵列有 128 个端口，每个文档是该指标的一分钟数据。由于基数低，array_serial 似乎不是分片键的好选择，也就是说，串行的所有数据12345都必须保留在同一个分片上而不是分成块，对吗？

看起来这port_number将允许适度的基数，但它会导致查询隔离失败，因为对同一阵列上多个端口的单个查询将跨越多个分片。我预计用户一次不需要查询超过 4-8 个端口。

答案是组合吗？我应该使用日期时间的一部分，比如月份还是星期？

4

1 回答 1

7

关于阵列序列，是的，这是正确的。

如果您选择“port_number”，它将具有足够高的基数，这意味着具有相同“port_number”的所有文档将驻留在同一个块中，但如果查询到达一系列端口，那么它将命中多个碎片。

如您所料，选择正确的分片键非常重要且困难。一个“完美”的分片键满足三个相互排斥的目标：

  • 写入应该均匀分布在分片上
  • 单个文档的查询应均匀分布在分片上
  • 范围查询和排序应该是高效的，这意味着序列中的元素应该都在同一个分片上。

避免使用顺序分片键的原因之一是它会在插入时创建热点：在任何给定时间，单个分片将承担所有插入负载（这有利于查询隔离，但最终不利于性能 - 因此 _id 和“datetime "不是好的选择)。我可能会选择复合分片键。Google Group 关于这个话题有一些很好的讨论：

如果您选择类似 { array_serial : 1 , datetime : 1 } 的内容，那么“array_serial”的数据将在需要时分成许多块（基于日期时间）并分布在服务器上。使用完整的“数据时间”值。

“array_serial”是如何决定的？取值范围是多少？我假设 port_name 会随着 port_number 的变化而变化？

鉴于您所说，我可能会选择 { port_number : 1, datetime: 1}，它并不完美，但也不错。

它是您的最佳选择吗？这实际上取决于使用信息。

  • 您最常见的查询是什么？

如果您主要要查询特定端口号范围内的特定名称，那么这可能是您的最佳选择。

另一方面，如果您主要基于日期时间执行所有“名称”的查询，而不管端口号如何，那么您每次都将执行分散/收集查询，这将降低集群的整体性能。

另外，问问自己

  • 单个分片可以处理所有插入吗？

  • 范围查询性能对您来说真的很重要吗？

根据您的问题，我猜您已经阅读了有关选择分片键的链接:)

以下是有关选择可能对您有所帮助的好分片键的一些进一步讨论：

于 2012-10-19T11:18:07.430 回答