Paano gumagana ang sharding sa MongoDB?

Question

Accepted Answer

**Sharding** adalah metode MongoDB untuk **horizontal scaling** — mendistribusikan data ke beberapa server (**shards**) sehingga database dapat menangani dataset dan throughput melebihi apa yang dapat dilakukan oleh satu server. Ini mempartisi data menurut **shard key**, dengan MongoDB mengarahkan query ke shards yang tepat.

## Ngapa sharding: skala melampaui satu server

```text
A single server has limits (storage, RAM, write throughput). When data/load exceeds
what one server (even a powerful one) can handle, SHARDING distributes it:
  → data is split across multiple SHARDS (each a replica set)
  → each shard holds a SUBSET of the data → combined capacity scales horizontally
  → handles huge datasets and high write throughput
```

## Cara kerja sharding

```text
The sharded cluster has three parts:
  SHARDS    → each holds a portion of the data (each shard is itself a replica set)
  mongos    → query ROUTER — apps connect here; it routes queries to the right shard(s)
  CONFIG SERVERS → store metadata (which data is on which shard)

Data is partitioned by the SHARD KEY into CHUNKS, distributed across shards.
MongoDB balances chunks across shards automatically.
```

## Shard key — keputusan paling kritis

```js
sh.shardCollection("mydb.orders", { customerId: 1 });   // shard by customerId
```

```text
The SHARD KEY determines how data is distributed — choosing it well is CRITICAL:
  ✓ HIGH CARDINALITY (many distinct values) → data spreads evenly
  ✓ EVEN DISTRIBUTION of reads/writes → no hot shards
  ✓ Queries include the shard key → routed to ONE shard (targeted, fast)
  ✗ A BAD shard key → uneven distribution (hotspots), or queries hitting ALL shards
    (scatter-gather, slow) → poor scaling. Hard to change later!
Strategies: ranged sharding, HASHED sharding (even distribution), zoned sharding.
```

## Query targeted vs scatter-gather

```text
Query INCLUDES the shard key → routed to the specific shard(s) → fast (targeted)
Query WITHOUT the shard key → must query ALL shards (scatter-gather) → slower
→ Design the shard key around your common query patterns.
```

## Ngapa penting

Sharding adalah pengetahuan penting untuk **menskalakan MongoDB ke dataset sangat besar dan throughput tinggi**, jadi memahaminya adalah pengetahuan tingkat senior yang berharga untuk deployment MongoDB berskala besar.

Nilai inti adalah **horizontal scaling**: ketika data atau beban melebihi apa yang dapat ditangani satu server, sharding mendistribusikan data ke beberapa shards, menskalakan kapasitas secara horizontal untuk menangani dataset besar dan throughput write tinggi yang tidak dapat dicapai vertical scaling (server lebih besar) — kapabilitas kunci untuk sistem berskala besar.

Memahami **arsitektur** (setiap shard memegang subset data, router query `mongos` mengarahkan query, config servers menyimpan metadata) adalah fondasi.

Paling kritis, memahami **shard key** — field(s) yang menentukan distribusi data — sangat penting karena **ini adalah keputusan sharding paling berpengaruh dan sulit diubah**: shard key yang baik (cardinality tinggi, distribusi merata, selaras dengan pola query) menyebarkan data dan beban merata dan memungkinkan query targeted, sementara yang buruk menyebabkan hotspots (beban tidak merata), scatter-gather queries (memukul semua shards, lambat), dan scaling buruk.

Memahami **query targeted vs scatter-gather** (query yang menyertakan shard key mengarah ke shards spesifik secara efisien; yang tanpanya memukul semua shards) memperkuat desain shard key seputar pola query.

Karena scaling ke data sangat besar adalah tantangan nyata untuk aplikasi pertumbuhan tinggi, dan karena sharding (mekanisme horizontal scaling MongoDB) memerlukan pemahaman hati-hati — terutama keputusan shard key kritis dan hard-to-change serta dampaknya pada distribusi dan efisiensi query — memahami sharding adalah pengetahuan tingkat senior penting untuk scaling MongoDB, topik yang menunjukkan pemahaman horizontal database scaling dan yang mana keputusan shard-key secara khusus mencerminkan expertise scaling MongoDB mendalam dan berpengaruh yang diharapkan untuk peran senior menangani sistem berskala besar.