Sharding por zonas: asignación de datos a regiones

El zone sharding (anteriormente, sharding compatible con etiquetas) permite asignar rangos específicos de la clave de shard a grupos designados de shards llamados zonas. Los documentos cuya clave de shard se encuentra dentro del rango de una zona se almacenan únicamente en los shards pertenecientes a esa zona. Esto permite la residencia geográfica de los datos, la afinidad con niveles de hardware y el aislamiento de cargas de trabajo dentro de un único clúster fragmentado.

El zone sharding resuelve varios problemas de producción: Residencia de datos: los requisitos del RGPD de la UE exigen que los datos de los usuarios europeos permanezcan en centros de datos de la UE. Almacenamiento por niveles: mantenga los datos recientes y de acceso frecuente en shards con NVMe, y los datos antiguos de archivo en shards más lentos y económicos. Aislamiento de inquilinos: en una aplicación SaaS multiinquilino, fije los datos de cada cliente empresarial en shards dedicados para evitar el efecto de vecino ruidoso.

El primer paso consiste en asignar una etiqueta de zona a uno o varios shards. Un shard puede pertenecer a varias zonas. Las etiquetas son simplemente cadenas arbitrarias que usted elige. Una vez etiquetado, el balanceador solo moverá los chunks asignados a una etiqueta de zona a shards que tengan esa misma etiqueta.

A continuación, defina qué rangos de la clave de shard corresponden a cada zona mediante sh.addTagRange(). Esto indica al balanceador: «todos los documentos cuya clave de shard se encuentre en este rango deben residir en shards etiquetados con esta zona». Use MinKey y MaxKey como límites de rango abiertos.

El zone sharding requiere una clave de shard compuesta cuyo primer componente sea el discriminador de zona (por ejemplo, region, tenantId, tier). El segundo componente proporciona granularidad dentro de la zona para realizar divisiones adicionales. Ejemplo: { region: 1, userId: 1 }: region dirige los datos a la zona correcta; userId permite dividir los chunks con mayor precisión dentro de cada zona.

Una vez configuradas las zonas, el balanceador impone continuamente la pertenencia a estas. Si un chunk cuya clave se encuentra en el rango de la zona de la UE termina en un shard de EE. UU. (por ejemplo, después de añadir un shard o cambiar las definiciones de las zonas), el balanceador lo migra a un shard de la UE. Esta migración se produce automáticamente durante la siguiente ronda del balanceador.

El zone sharding permite implementar almacenamiento por niveles: asigne los datos recientes (por ejemplo, los del mes actual) a una zona de acceso frecuente en shards respaldados por NVMe rápidos, y los datos antiguos a una zona de archivo en shards respaldados por HDD más lentos. A medida que los datos envejecen, puede actualizar las asignaciones de rangos de las zonas para que el balanceador migre gradualmente los chunks antiguos de la zona de acceso frecuente a la zona de archivo.

Las asignaciones de rangos de las zonas pueden actualizarse a medida que cambian las necesidades del negocio. Elimine un rango existente con sh.removeTagRange() y añada uno nuevo. A continuación, el balanceador migrará los chunks afectados para ajustarse a la nueva asignación. Así puede trasladar mensualmente los datos de una zona de acceso frecuente a una zona de archivo.

Al utilizar una clave de shard compuesta consciente de las zonas, como { region: 1, userId: 1 }, las consultas que incluyen el campo region se dirigen automáticamente a los shards de la zona correcta. Esto ofrece tanto cumplimiento de los requisitos de residencia de datos como rendimiento de las consultas: las consultas de la UE nunca acceden a shards de EE. UU.

El zone sharding tiene algunas limitaciones importantes: 1) solo funciona con sharding por rangos (no con sharding hash usando un único campo). 2) Los documentos que no estén cubiertos por ningún rango de zona pueden balancearse a cualquier shard; asegúrese de que sus rangos cubran todos los valores posibles usando MinKey y MaxKey. 3) La migración de zonas puede tardar en colecciones grandes; planifique las migraciones durante periodos de poco tráfico.

Puede inspeccionar la configuración actual de las zonas en cualquier momento. Las etiquetas de zona se almacenan en las colecciones config.shards y config.tags del servidor de configuración. sh.status() muestra la información de las zonas junto con la distribución de los chunks, lo que facilita comprobar que el balanceador ha aplicado correctamente la pertenencia a las zonas.

En esta lección ha aprendido que el zone sharding fija los rangos de la clave de shard a shards etiquetados para proporcionar residencia de datos y aislamiento de cargas de trabajo, que se requiere una clave de shard compuesta cuyo primer campo sea un discriminador de zona y que el balanceador impone automáticamente la pertenencia a las zonas y migra los chunks cuando cambian las asignaciones de las zonas. A continuación, exploraremos el ajuste del rendimiento y el profiler de la base de datos.