在Scale Out Camp上，Jared Rosoff以其简明、有效、富有趣味性且令人信服的方式，进行了一场关于MongoDB扩展的8分钟教程。这些策略不仅适用于MongoDB，对大多数数据库都同样有效：优化查询、了解工作集大小、调整文件系统、选择合适的磁盘以及分片。以下是对这五种策略的详细解析：
1. 优化查询
- 原理：数据库操作的效率从优化查询开始。复杂性分析非常重要，例如，B树搜索通常比全表扫描要快。
- 工具使用：通过MongoDB的
explain等工具分析查询。如果它显示正在使用游标，则意味着进行了全表扫描，这通常较慢。 - 解决方案：添加适当的索引以加速查询执行。无论是在单个服务器上还是在分布式数据库系统中，这种优化都至关重要。
2. 了解工作集大小
- 概念：工作集包括内存中活跃使用的数据和索引。
- 内存利用：高效利用可用的RAM。将缓存嵌入数据库（MongoDB的工作方式）比使用外部缓存系统（如Memcache）更高效。
- 大小计算：评估活跃数据和使用的索引的大小。例如，如果有十亿用户但同时仅有10万活跃，则应确保RAM能够容纳这10万的工作集。
- 索引的内存使用：考虑到索引也会消耗内存，并将其计入总计算。
3. 调整文件系统
- 文件系统的影响：选择和配置文件系统会显著影响数据库性能。
- 现代文件系统：优先使用现代文件系统如EXT4或XFS，而不是旧的EXT3。
- 配置技巧：禁用访问时间跟踪以减少不必要的写操作。此外，考虑不同文件系统上文件预分配的影响。
4. 选择合适的磁盘
寻道时间至关重要：对于大多数数据库操作（涉及随机I/O），磁盘寻道时间比带宽更关键。
磁盘类型：
HDD（硬盘驱动器）：由于机械限制，普通硬盘平均每秒能执行约200次寻道。
RAID配置：使用RAID 0或RAID 10可通过并行化磁盘操作来增加每秒寻道次数。
SSD（固态硬盘）：强烈推荐用于数据库，因为它们的寻道时间（0.1毫秒）远低于HDD（5毫秒），从而提高了随机访问的性能。
5. 分片
何时分片：在优化其他方面（查询、磁盘、工作集）后再考虑分片。分片涉及将数据分布到多个机器上。
好处：
负载分配：分片通过分散工作负载来显著提升性能和可扩展性。
高可用性：可以与副本集结合使用以实现高可用性。
可扩展性：允许扩展到数百台服务器，每台处理数千次写操作。
容易增加容量：根据需要添加更多服务器以增加容量。
结论
Rosoff的教程强调了，高效地扩展MongoDB或其他数据库需要综合考虑诸多因素：进行良好的查询优化、了解并有效利用RAM来处理活跃工作集、选择和配置合适的文件系统、选择合适的存储硬件以及智能实施分片。通过解决这些方面，可以显著提高数据库系统的性能和扩展性，确保其能够高效地处理日益增长的负载。
