Estratégias de fragmentação por intervalo e por hash

O MongoDB oferece duas estratégias integradas de fragmentação: fragmentação por intervalo e fragmentação por hash. A fragmentação por intervalo atribui intervalos contíguos de valores da chave de fragmentação a fragmentos específicos; a fragmentação por hash aplica primeiro uma função de hash à chave e distribui os dados com base nesse hash. Ambas têm vantagens distintas, e a escolha correta depende dos padrões de acesso aos seus dados.

Na fragmentação por intervalo, o MongoDB divide o espaço de valores da chave de fragmentação em intervalos contíguos e atribui cada intervalo (bloco) a um fragmento. Por exemplo, usuários com userId de 1 a 10.000 vão para o fragmento A, de 10.001 a 20.000 para o fragmento B, e assim por diante. Documentos com valores próximos da chave de fragmentação ficam no mesmo fragmento, o que é ideal para consultas por intervalo.

A fragmentação por intervalo é excelente quando sua aplicação consulta com frequência intervalos de valores: intervalos de datas, intervalos de preços, intervalos alfabéticos de nomes ou resultados paginados ordenados por um ID numérico. Como os valores adjacentes ficam no mesmo fragmento, as consultas por intervalo tornam-se consultas direcionadas que acessam apenas um ou poucos fragmentos, mantendo a latência baixa.

A principal desvantagem da fragmentação por intervalo são os pontos de sobrecarga de gravação quando a chave de fragmentação cresce monotonicamente (carimbos de data e hora, IDs de incremento automático, ObjectId). Todos os novos documentos se concentram na extremidade superior do intervalo e chegam a um único fragmento. Até que o balanceador migre os blocos, esse fragmento absorve todo o tráfego de gravação enquanto os outros ficam ociosos.

Na fragmentação por hash, o MongoDB calcula um hash do valor da chave de fragmentação e usa esse hash para determinar o bloco. Os documentos são distribuídos com base nos valores de hash, que parecem aleatórios mesmo quando as chaves originais aumentam monotonicamente. Isso garante uma distribuição inicial de gravações quase uniforme entre todos os fragmentos.

A fragmentação por hash é a melhor escolha quando seu principal objetivo é obter uma distribuição uniforme de gravações entre os fragmentos e você não precisa fazer consultas por intervalo na chave de fragmentação. Ela é ideal para cargas de trabalho com alta taxa de inserções e chaves monotônicas, como registros de eventos, dados de sensores de IoT e mensagens, nas quais cada fragmento deve absorver uma parcela igual do tráfego de gravação.

A desvantagem da fragmentação por hash é que as consultas por intervalo na chave de fragmentação se tornam operações de dispersão e agregação. Como valores de hash adjacentes ficam espalhados entre os fragmentos, uma consulta como { createdAt: { $gte: t1, $lte: t2 } } precisa ser enviada a todos os fragmentos. Se as consultas por intervalo forem frequentes e sensíveis à latência, a fragmentação por hash poderá anular os ganhos de desempenho obtidos com a fragmentação.

Guia de decisão: fragmentação por intervalo → sua chave de fragmentação tem uma distribuição natural (não monotônica) AND suas principais consultas são consultas por intervalo nessa chave. Fragmentação por hash → sua chave de fragmentação é monotônica OR suas principais consultas são buscas pontuais (por igualdade) em um campo de alta cardinalidade. Em caso de dúvida, quando as inserções forem o gargalo, prefira a fragmentação por hash.

Você pode combinar as duas estratégias com uma chave de fragmentação composta, na qual o primeiro campo usa intervalos e proporciona afinidade às consultas, enquanto um segundo campo com hash distribui a carga dentro de cada intervalo. Exemplo: { tenantId: 1, _id: 'hashed' } mantém os dados agrupados por locatário para consultas direcionadas, ao mesmo tempo que distribui as gravações entre os fragmentos dentro de cada locatário.

Você pode inspecionar a configuração de fragmentação de uma coleção para determinar qual estratégia está em uso. Os metadados do servidor de configuração armazenam a chave de fragmentação e informam se ela usa 'hashed'. O comando sh.status() e db.collection.stats() expõem essas informações.

Ao carregar dados em massa em uma coleção recém-fragmentada, todos os blocos ficam inicialmente em um único fragmento e precisam ser migrados pelo balanceador, o que pode ser lento. A pré-divisão cria um conjunto inicial de blocos vazios distribuídos entre todos os fragmentos antes do carregamento. Isso garante que o trabalho do balanceador seja minimizado e que as gravações sejam distribuídas desde a primeira inserção.

Nesta lição, você aprendeu que: a fragmentação por intervalo mantém valores de chave semelhantes no mesmo local para permitir consultas por intervalo eficientes, mas cria pontos de concentração com chaves monotônicas; a fragmentação por hash distribui os dados uniformemente entre os fragmentos, mas transforma as consultas por intervalo em operações de dispersão e agregação; e as chaves compostas podem combinar os dois benefícios. A seguir, exploraremos a fragmentação por zonas para fixar dados em regiões específicas.