MongoDB分片策略对比
MongoDB的分片策略主要有两种：范围分片（Range
Sharding）和哈希分片（Hash
Sharding）。这两种分片策略各有优缺点，适用于不同的场景。
Sharding）
范围分片是根据分片键的值将数据分割到不同的分片中。MongoDB使用的是区间分割的思想，即将整个数据范围划分为多个区间（chunks），每个区间包含一组连续的分片键值。例如，如果***根据`x`字段来分片，且`x`的完整取值范围为`[minKey,maxKey]`，那么MongoDB将把这个范围划分为多个区间，每个区间包含一组连续的`x`值。
优点：
范围分片能够很好地满足范围查询的需求，比如查询`x`值在`[30,10]`之间的所有文档，mongos可以直接将请求定位到包含这些`x`值的分片服务器，从而提高查询效率。
缺点：
如果分片键有明显递增（或者递减）趋势，新插入的文档会分布到同一个区间，这可能导致单点的性能瓶颈。
范围分片的缺点在于，如果ShardKey有明显递增（或者递减）趋势，可能会导致写压力集中到一个节点，从而导致单点的性能瓶颈。
Sharding）
哈希分片是根据分片键的哈希值将数据分割到不同的分片中。MongoDB会先根据分片键计算出一个新的哈希值（64位整数），然后根据这个哈希值按照范围分片的策略进行区间（chunks）的切分。
优点：
哈希分片与范围分片是互补的，由于哈希算法保证了随机性，所以文档可以更加离散地分布到多个区间上，这避免了集中写问题。
在执行一些范围查询时，哈希分片并不是高效的。因为所有的范围查询都必然导致对所有区间进行检索，如果集群有10个分片，那么mongos将需要对10个分片分发查询请求。
缺点：
哈希分片只能选择单个字段作为分片键，而范围分片允许采用组合式的多字段作为分片键。
尽管哈希分片可以避免写压力集中到一个节点，但在进行范围查询时，可能会导致查询压力分散到所有分片上，从而降低了查询效率。
在选择分片策略时，需要根据具体的业务需求和数据特性来决定。如果数据的关键字段有明显的递增或递减趋势，那么范围分片可能是更好的选择。相反，如果数据的分布比较均匀，且不需要进行范围查询，那么哈希分片可能更适合。
此外，还可以结合使用范围分片和哈希分片，例如指定一个字段进行哈希分片，同时使用多个字段进行范围分片。这种混合式的分片策略可以充分利用两种分片策略的优点，从而提高集群的性能和效率。
综上所述，MongoDB的分片策略提供了灵活的方式来处理大规模的数据和高吞吐量的应用场景。选择合适的分片策略需要根据实际情况进行评估和决策。
