Sharding hoạt động như thế nào trong MongoDB?

Question

Accepted Answer

**Sharding** là phương pháp của MongoDB cho **mở rộng theo chiều ngang** — phân tán dữ liệu qua nhiều server (**shard**) để cơ sở dữ liệu có thể xử lý các tập dữ liệu và throughput vượt quá những gì một server đơn lẻ có thể. Nó phân vùng dữ liệu theo một **shard key**, với MongoDB định tuyến truy vấn tới đúng các shard.

## Tại sao shard: mở rộng vượt một server

```text
Một server đơn lẻ có giới hạn (lưu trữ, RAM, throughput ghi). Khi dữ liệu/tải vượt quá
những gì một server (dù mạnh) có thể xử lý, SHARDING phân tán nó:
  → dữ liệu được chia qua nhiều SHARD (mỗi shard là một replica set)
  → mỗi shard giữ một TẬP CON của dữ liệu → năng lực kết hợp mở rộng theo chiều ngang
  → xử lý tập dữ liệu khổng lồ và throughput ghi cao
```

## Sharding hoạt động ra sao

```text
Sharded cluster có ba phần:
  SHARDS    → mỗi shard giữ một phần dữ liệu (mỗi shard tự là một replica set)
  mongos    → ROUTER truy vấn — app kết nối tới đây; nó định tuyến truy vấn tới đúng shard
  CONFIG SERVERS → lưu metadata (dữ liệu nào trên shard nào)

Dữ liệu được phân vùng theo SHARD KEY thành các CHUNK, phân tán qua các shard.
MongoDB cân bằng các chunk qua các shard tự động.
```

## Shard key — quyết định then chốt nhất

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

```text
SHARD KEY quyết định dữ liệu được phân tán ra sao — chọn nó tốt là CỰC KỲ QUAN TRỌNG:
  ✓ CARDINALITY CAO (nhiều giá trị riêng biệt) → dữ liệu trải đều
  ✓ PHÂN TÁN ĐỀU đọc/ghi → không có shard nóng
  ✓ Truy vấn bao gồm shard key → định tuyến tới MỘT shard (có mục tiêu, nhanh)
  ✗ Shard key TỆ → phân tán không đều (hotspot), hoặc truy vấn chạm TẤT CẢ shard
    (scatter-gather, chậm) → mở rộng kém. Khó thay đổi sau này!
Chiến lược: ranged sharding, HASHED sharding (phân tán đều), zoned sharding.
```

## Truy vấn có mục tiêu vs scatter-gather

```text
Truy vấn BAO GỒM shard key → định tuyến tới (các) shard cụ thể → nhanh (có mục tiêu)
Truy vấn KHÔNG có shard key → phải truy vấn TẤT CẢ shard (scatter-gather) → chậm hơn
→ Thiết kế shard key quanh các mẫu truy vấn phổ biến của bạn.
```

## Tại sao điều này quan trọng

Sharding là kiến thức quan trọng để **mở rộng MongoDB tới các tập dữ liệu rất lớn và throughput cao**, nên hiểu nó là kiến thức cấp senior giá trị cho triển khai MongoDB quy mô lớn.

Giá trị cốt lõi là **mở rộng theo chiều ngang**: khi dữ liệu hoặc tải vượt quá những gì một server đơn lẻ có thể xử lý, sharding phân tán dữ liệu qua nhiều shard, mở rộng năng lực theo chiều ngang để xử lý các tập dữ liệu khổng lồ và throughput ghi cao mà mở rộng theo chiều dọc (một server lớn hơn) không thể đạt tới — một khả năng then chốt cho hệ thống quy mô lớn.

Hiểu **kiến trúc** (các shard mỗi shard giữ một tập con dữ liệu, router truy vấn `mongos` định tuyến truy vấn, config server lưu metadata) là nền tảng.

Quan trọng nhất, hiểu **shard key** — (các) field quyết định phân tán dữ liệu — là thiết yếu vì **đó là quyết định sharding hệ trọng nhất và khó thay đổi nhất**: một shard key tốt (cardinality cao, phân tán đều, đồng bộ với mẫu truy vấn) trải dữ liệu và tải đều và cho phép truy vấn có mục tiêu, trong khi một shard key tệ gây hotspot (tải không đều), truy vấn scatter-gather (chạm tất cả shard, chậm), và mở rộng kém.

Hiểu **truy vấn có mục tiêu vs scatter-gather** (truy vấn bao gồm shard key định tuyến tới các shard cụ thể hiệu quả; truy vấn không có thì chạm tất cả shard) củng cố việc thiết kế shard key quanh mẫu truy vấn.

Vì mở rộng tới dữ liệu rất lớn là một thách thức thực sự cho ứng dụng tăng trưởng cao, và vì sharding (cơ chế mở rộng theo chiều ngang của MongoDB) yêu cầu sự hiểu biết cẩn thận — đặc biệt là quyết định shard key then chốt, khó thay đổi và tác động của nó lên phân tán và hiệu quả truy vấn — nên hiểu sharding là kiến thức cấp senior quan trọng để mở rộng MongoDB, một chủ đề thể hiện sự hiểu biết về mở rộng cơ sở dữ liệu theo chiều ngang và một lĩnh vực nơi quyết định shard-key nói riêng phản ánh chuyên môn mở rộng MongoDB sâu sắc, hệ trọng được kỳ vọng cho các vai trò senior xử lý hệ thống quy mô lớn.