“域”文档的好 mongodb 分片键

Question

我想为这样的文档找到合适的分片键：

{
  "_id": "yahoo.com",
  "c": {
    "en": {
      "bdy": ",
      "cats": [],
      "mDesc": "",
      "mHEq": {},
      "mKeyw": [],
      "mNames": {}

    }
  },
  "cLgth": 566,
  "cType": "text/html",
  "dTime": 1224,
  "jobsDone": [
    "rawdataload",
    "hrefanalyze",
    "metatagsanalyze",
    "keywordanalyze",
    "categoryfinder"
  ],
  "langs": [
    "en", "de"
  ],
  "publishedOn": {
    "sims": 1362752738996
  },
  "tld": "com",
}

我面向用户的查询主要是通过 _id 从 mongo 中获取域。他们中的一些人正在使用该领域的语言 后端查询运行不同类型的作业“jobsDone”。根据这些信息选择不同范围的文档。

所以我考虑只使用映射到域名的“_id”，因为它具有非常高的基数。使用域名的 MD5 哈希来更均匀地分配是否有意义？

我不喜欢“查询隔离”。由于大多数用户查询将直接读取 _id ，我认为这很好。作业后端查询可能会运行更长时间（分散/收集），因为用户没有看到它，但我想优化这一点，我将“jobsDone”字段添加为复合分片键，以通过已经运行的作业分配它？

是否可以使用数组作为分片键？

感谢所有见解！

Answer 1

分片键不能是数组，因为分片键上的索引不能是多键索引。我当然认为您会希望“_id”（域）成为您的分片键的一部分，如果您能找到另一种方法来确保查询隔离，那么这将有所帮助。

我有点不确定您为什么担心域名分布均匀，因为域名往往非常随机，如果您期望拥有大量不同的域，那么您应该处于良好状态形状。如果由于某种原因域名分配成为问题，您可以运行 MongoDB 2.4.1 并使用hashed shard key。