一、简介

1. 分片集群简介

  • 1.分片原因

    分片集群是为了解决单节点存在的CPU和存储，IO的瓶颈问题，将原来存储在单个mongo实例中的数据，按照一定的规则分散存储在多个mongo实例中，每个mongo中只存储一部分数据，对数据进行读写时仅需要访问存储这条数据的mongo分片节点即可。

  • 2.分片优势

    • 分片性能有极大提升，且方便扩展

    • 集群对客户端透明，客户端不需要知道分片信息，客户端不需要额外的配置

    • 每个分片都可以使用副本集群保障分片的高可用，从而可以保障整个分片集群高可用

  • 3.分片劣势

    分片集群架构与单实例和副本集群相比复杂很多，运维成本要高一些

2. 分片集群角色

  • 1.config server

    配置节点，存储集群的配置信息，分片数据的路由信息等，为保障高可用，默认最少需要三个config server节点的副本集群

  • 2.mongos

    路由节点，提供对外访问接口，所有客户端的请求通过mongos路由到具体的数据节点，mongos节点不存储任何信息，通过config server获取分片信息。一般有多个mongos节点，但不需要配置为集群，可以和客户端部署在同一个节点上，每个客户端部署一个mongos

  • 3.mongod

    mongod即数据存储的节点，一般有多个mongod节点，存储不同的分片数据。可以将一个副本集群作为一个分片节点，保障分片的高可用

3. 分片集群架构

  • 1.集群架构

    • 客户端通过mongos读写数据

    • mongos通过config server获取分片信息

    • mongos找到对应的分片插入或读取数据

    • 每一个分片可以是单个mongo实例也可以是一个副本集群，下图画的都是副本集群

  • 2.分片存储

    • chunks:

      chunk是数据存储单元，mongod存储数据时把多条数据存储到同一个chunk,当一个chunk大于配置中的chunk size时，会把该chunk切分成更小的chunk,

    • balancer

      balancer是一个后台进程，复制chunk迁移，从而均衡各个mongod的负载。

  • 3.chunk大小

    • chunk size默认64M，可以调整配置中的chunk size
    • chunk size越小，chunk的分裂次数越多，数据分布越均匀。反之，chunk的分裂和迁移会少，但可能导致数据不均匀
    • chunk自动分裂只会在数据写入时发生，如果chunk size调小，不会立即触发chunk的分裂和迁移，需要一定时间达到指定的大小
    • chunk只会分裂，不会合并，也就是说即使将chunk size调大，现有的chunk数量也不会变少

4. 分片键

  • 1.分片键介绍

    • mongo数据的分布是以分片键为拆分的依据，因此分片键至关重要。

    • mongo的分片使用基于范围的或是基于哈希的

  • 2.分片键特点

    • 分片键确定后不可改变
    • 分片键必须有索引
    • 分片键最大为512bytes
    • 无法在设置了分片的collection上插入无分片键的文档
    • 如果查询条件中没有包含分片键，那么查询性能会很糟糕

  • 3.基于范围的分片

    ​ 按照分片键的范围把数据分为不同部分，相似或连续的分片键很可能存储在同一个数据块中。

    ​ 基于范围的分片键查询时mongos可以很高效的知道查询的数据在哪一个数据块中，但范围分片也可能会导致数据分布不均匀，或是热点数据集中在个别数据块中的现象。比如对于自增的字段作为分片键，新写入的数据都会集中在最后一个数据块中。

  • 4.基于哈希的分片

    ​ 基于哈希的分片，mongo对分片键计算一个哈希值，并用这个哈希值确定数据分布在哪个数据块，因此数据的分布更均匀，相似的分片键并不会被写入到相同的数据块中。

    ​ 哈希分片解决了范围分片的问题，但由于数据太过分散，当执行范围查询时可能需要后端的所有节点都执行查询操作然后进行合并排序后才能得到结果

  • 5.分片键的选择

    • 单调升序的分片键（递增）

      相似或连续数据集中，范围查询可以快速定位数据块，但可能导致数据分布不均，最后一个数据块是写热点

    • 随机分片键

      比如md5,哈希值等，数据分布均匀，IO分布均匀，但会产生大量的随机IO，磁盘负担大

    • 混合分片键

      组合升序分片键和随机分片键，设置合理的分片算法，使数据大范围上集中，但又不会因为太集中而产生局部热点，比如按照月份范围分片，和一个md5值哈希分片，同一个月份的数据集中在一个“大局部”，而md5可以使数据在“大局部”中的均匀分布，不至于产生“小局部”热点。

    • 使用常用的查询相关的字段作为分片键，并且能包含唯一字段

二、分片集群搭建与测试

1. 环境介绍

我们就按照上面架构图中的架构搭建一个全高可用的分片集群

这里是在一台机器上启动了多个mongo实例，实际生产环境中需要分开

  • 配置节点副本集群

    副本集名称 角色 端口 数据文件路径
    config config server 20001 /data/mongo/20001/
    config config server 20002 /data/mongo/20002/
    config config server 20003 /data/mongo/20003/

  • 第一个分片的副本集群

    副本集名称 角色 端口 数据文件路径
    shard1 mongod 30001 /data/mongo/30001/
    shard1 mongod 30002 /data/mongo/30002/
    shard1 mongod 30003 /data/mongo/30003/

  • 第二个分片的副本集群

    副本集名称 角色 端口 数据文件路径
    shard2 mongod 40001 /data/mongo/40001/
    shard2 mongod 40002 /data/mongo/40002/
    shard2 mongod 40003 /data/mongo/40003/

  • 第三个分片的副本集群

    副本集名称 角色 端口 数据文件路径
    shard3 mongod 50001 /data/mongo/50001/
    shard3 mongod 50002 /data/mongo/50002/
    shard3 mongod 50003 /data/mongo/50003/

  • 路由节点

    路由节点不需要副本集，单节点即可

    角色 端口 数据文件路径
    mongos 60001 /data/mongo/60001/

2. 搭建配置节点的副本集群

  • 1.创建mongo用户

    useradd mongo
echo "mongo" | passwd --stdin mongo

  • 2.解压mongo二进制文件

    tar -xzvf mongodb-linux-x86_64-rhel70-4.2.3.tgz -C /usr/local/
cd /usr/local/
mv mongodb-linux-x86_64-rhel70-4.2.3 mongodb
chown mongo:mongo mongodb/ -R

  • 3.修改环境变量

    • 若允许所有用户都可以使用mongo命令则在/etc/profile中加入如下行,然后执行source /etc/profile生效
    • 若仅允许mongo用户使用mongo则切换到mongo用户，在mongo用户家目录中的.bash_profile文件中加入如下行，然后source ~/.bash_profile生效
    export PATH=/usr/local/mongodb/bin:$PATH

  • 4.创建所需的数据目录

    mkdir -p /data/mongo/2000{1,2,3}/{data,log}
chown mongo:mongo -R /data/mongo

    创建完成后目录如下：

    /data/mongo/20001
├── data
└── log
/data/mongo/20002
├── data
└── log
/data/mongo/20003
├── data
└── log

  • 5.在20001，20002，20003三个目录下新建mongo.conf配置文件，文件内容如下，每个实例修改端口和路径配置

    # /data/mongo/20001/mongo.conf
dbpath=/data/mongo/20001/data
logpath=/data/mongo/20001/log/mongo.log
fork=true
port=20001
replSet=config                          #副本集的名称，三个节点一致
configsvr=true                          #表示这是个配置节点# /data/mongo/20002/mongo.conf
dbpath=/data/mongo/20002/data
logpath=/data/mongo/20002/log/mongo.log
fork=true
port=20002
replSet=config
configsvr=true# /data/mongo/20003/mongo.conf
dbpath=/data/mongo/20003/data
logpath=/data/mongo/20003/log/mongo.log
fork=true
port=20003
replSet=config
configsvr=true

  • 6.启动三个实例

    # 切换到mongo用户
su - mongo
# 启动三个实例
mongod -f /data/mongo/20001/mongo.conf
mongod -f /data/mongo/20002/mongo.conf
mongod -f /data/mongo/20003/mongo.conf

  • 7.检查

    分别执行连接这三个端口看能否正常连接

    mongo --port 20001
mongo --port 20002
mongo --port 20003

  • 8.初始化这个副本集群

    登录任意一个实例

    mongo --port 20001

    初始化集群

    rs.initiate()

    加入另外两个节点

    rs.add("localhost:20002")
rs.add("localhost:20003")

    查看集群状态是否正常

    rs.status()

3. 搭建第一个分片的副本集群

步骤和上面的配置节点集群相同，因为我们是搭建在同一台机器上，所以直接从第四步开始

  • 1.创建所需的数据目录

    mkdir -p /data/mongo/3000{1,2,3}/{data,log}
chown mongo:mongo -R /data/mongo

    创建完成后目录如下：

    /data/mongo/30001
├── data
└── log
/data/mongo/30002
├── data
└── log
/data/mongo/30003
├── data
└── log

  • 2.在30001，30002，30003三个目录下新建mongo.conf配置文件，文件内容如下，每个实例修改端口和路径配置

    # /data/mongo/30001/mongo.conf
dbpath=/data/mongo/30001/data
logpath=/data/mongo/30001/log/mongo.log
fork=true
port=30001
replSet=shard1                          #副本集的名称，三个节点一致
shardsvr=true                           #表示这是个分片节点# /data/mongo/30002/mongo.conf
dbpath=/data/mongo/30002/data
logpath=/data/mongo/30002/log/mongo.log
fork=true
port=30002
replSet=shard1
shardsvr=true# /data/mongo/30003/mongo.conf
dbpath=/data/mongo/30003/data
logpath=/data/mongo/30003/log/mongo.log
fork=true
port=30003
replSet=shard1
shardsvr=true

  • 3.启动三个实例

    # 切换到mongo用户
su - mongo
# 启动三个实例
mongod -f /data/mongo/30001/mongo.conf
mongod -f /data/mongo/30002/mongo.conf
mongod -f /data/mongo/30003/mongo.conf

  • 4.检查

    分别执行连接这三个端口看能否正常连接

    mongo --port 30001
mongo --port 30002
mongo --port 30003

  • 5.初始化这个副本集群

    登录任意一个实例

    mongo --port 30001

    初始化集群

    rs.initiate()

    加入另外两个节点

    rs.add("localhost:30002")
rs.add("localhost:30003")

    查看集群状态是否正常

    rs.status()

4. 搭建第二个分片的副本集群

步骤和上一个分片的副本集群完全一样，只需要修改端口和副本集名称即可

  • 1.创建所需的数据目录

    mkdir -p /data/mongo/4000{1,2,3}/{data,log}
chown mongo:mongo -R /data/mongo

    创建完成后目录如下：

    /data/mongo/40001
├── data
└── log
/data/mongo/40002
├── data
└── log
/data/mongo/40003
├── data
└── log

  • 2.在40001，40002，40003三个目录下新建mongo.conf配置文件，文件内容如下，每个实例修改端口和路径配置

    # /data/mongo/40001/mongo.conf
dbpath=/data/mongo/40001/data
logpath=/data/mongo/40001/log/mongo.log
fork=true
port=40001
replSet=shard2                          #副本集的名称，三个节点一致
shardsvr=true                           #表示这是个分片节点# /data/mongo/40002/mongo.conf
dbpath=/data/mongo/40002/data
logpath=/data/mongo/40002/log/mongo.log
fork=true
port=40002
replSet=shard2
shardsvr=true# /data/mongo/40003/mongo.conf
dbpath=/data/mongo/40003/data
logpath=/data/mongo/40003/log/mongo.log
fork=true
port=40003
replSet=shard2
shardsvr=true

  • 3.启动三个实例

    # 切换到mongo用户
su - mongo
# 启动三个实例
mongod -f /data/mongo/40001/mongo.conf
mongod -f /data/mongo/40002/mongo.conf
mongod -f /data/mongo/40003/mongo.conf

  • 4.检查

    分别执行连接这三个端口看能否正常连接

    mongo --port 40001
mongo --port 40002
mongo --port 40003

  • 5.初始化这个副本集群

    登录任意一个实例

    mongo --port 40001

    初始化集群

    rs.initiate()

    加入另外两个节点

    rs.add("localhost:40002")
rs.add("localhost:40003")

    查看集群状态是否正常

    rs.status()

5. 搭建第三个分片的副本集群

步骤和上一个分片的副本集群完全一样，只需要修改端口和副本集名称即可

  • 1.创建所需的数据目录

    mkdir -p /data/mongo/5000{1,2,3}/{data,log}
chown mongo:mongo -R /data/mongo

    创建完成后目录如下：

    /data/mongo/50001
├── data
└── log
/data/mongo/50002
├── data
└── log
/data/mongo/50003
├── data
└── log

  • 2.在50001，50002，50003三个目录下新建mongo.conf配置文件，文件内容如下，每个实例修改端口和路径配置

    # /data/mongo/50001/mongo.conf
dbpath=/data/mongo/50001/data
logpath=/data/mongo/50001/log/mongo.log
fork=true
port=50001
replSet=shard3                          #副本集的名称，三个节点一致
shardsvr=true                           #表示这是个分片节点# /data/mongo/50002/mongo.conf
dbpath=/data/mongo/50002/data
logpath=/data/mongo/50002/log/mongo.log
fork=true
port=50002
replSet=shard3
shardsvr=true# /data/mongo/50003/mongo.conf
dbpath=/data/mongo/50003/data
logpath=/data/mongo/50003/log/mongo.log
fork=true
port=50003
replSet=shard3
shardsvr=true

  • 3.启动三个实例

    # 切换到mongo用户
su - mongo
# 启动三个实例
mongod -f /data/mongo/50001/mongo.conf
mongod -f /data/mongo/50002/mongo.conf
mongod -f /data/mongo/50003/mongo.conf

  • 4.检查

    分别执行连接这三个端口看能否正常连接

    mongo --port 50001
mongo --port 50002
mongo --port 50003

  • 5.初始化这个副本集群

    登录任意一个实例

    mongo --port 50001

    初始化集群

    rs.initiate()

    加入另外两个节点

    rs.add("localhost:50002")
rs.add("localhost:50003")

    查看集群状态是否正常

    rs.status()

6. 搭建路由节点

路由节点不存储任何数据，不需要集群，一般可以和客户端部署在一起，一个客户端部署一个路由节点。

我们这里就部署一个路由节点

  • 1.创建所需的数据目录

    mkdir -p /data/mongo/60001/{data,log}
chown mongo:mongo -R /data/mongo

    创建完成后目录如下：

    /data/mongo/60001
├── data
└── log

  • 2.在60001目录下新建mongo.conf配置文件，文件内容如下

    路由节点不存储数据，因此配置文件中不能设置dbpath参数，否则会报错

    # /data/mongo/60001/mongo.conf
logpath=/data/mongo/60001/log/mongo.log
fork=true
port=60001
configdb=config/localhost:20001,localhost:20002,localhost:20003
# 指定配置服务器的副本集名称和地址端口

  • 3.使用mongos命令启动路由节点

    mongos -f /data/mongo/60001/mongo.conf

7.配置分片

  • 在路由节点加入分片

    登录路由节点

    mongo --port 60001

    加入三个分片

    sh.addShard("shard1/localhost:30001,localhost:30002,localhost:30003")
sh.addShard("shard2/localhost:40001,localhost:40002,localhost:40003")
sh.addShard("shard3/localhost:50001,localhost:50002,localhost:50003")

    对testdb数据库的testcol集合启用分片，分片键为testkey

    # 在testdb库启用分片
sh.enableSharding("testdb")
# 使用范围分片
sh.shardCollection("testdb.testcol",{"testkey":1})
# 使用哈希分片
sh.shardCollection("testdb.testcol",{"testkey":"hashed"})

    查看分片集群状态

     sh.status()

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-oAji2klV-1600328284507)(C:/Users/suzhao/Desktop/a/2.png)]

8.测试

测试前把chunk size 调成1M，便于观察(生产环境不要调太小，一般默认的64M就可以)

mongos> use config
mongos> db.settings.save({_id:"chunksize",value:1})

  • 范围分片测试

    对testdb数据库的testcol集合启用分片，分片键为testkey，testkey是一个自增字段，使用范围分片

    配置分片前需要先创建索引

    # 在testdb库启动分片
mongos> sh.enableSharding("testdb")
# 使用范围分片
mongos> sh.shardCollection("testdb.testcol",{"testkey":1})

    插入数据测试(数据可以插入更多一点观察效果)

    mongos> use testdb
mongos> for(i=0;i<20000;i++){ db.testcol.insert({"testkey":i,"value":"hello world","date":new Date()})}

    查看状态统计

    mongos> sh.status()

    可以看出现在有五个分片

    min-1 :在shard2集群中

    1-13797：在shard1集群中

    13797-max:在shard3集群中

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-j6uGziMV-1600328284512)(C:/Users/suzhao/Desktop/a/3.png)]

    注意

    此时用db.testcol.count()统计的数据可能会超过20000

    # mongos统计数据超过20000
mongos> db.testcol.count()
33797
# 在shard1上执行有13796条
shard1:PRIMARY> db.testcol.find().count()
13796
# 在shard2上执行有1条
shard2:PRIMARY> db.testcol.count()
# 在shard3上执行有20000条
shard3:PRIMARY> db.testcol.find().count()
20000

    可以看到shard1和shard2上都是正确的，但shard3上有全量的数据了，这是因为shard3分片是主分片，chunk迁移完成前，统计count会重复统计，但不用担心，从mongos查询数据时并不会返回重复数据

    # 在mongos带条件查询时不会有重复数据
mongos> db.testcol.find({testkey:{$gte:0}}).count()
20000

    因此在分片集群中使用count()查询可能是不准确的

    可以使用聚合的方式获取到准确的记录数

    mongos> db.testcol.aggregate( [ {$group:{_id: null,count:{$sum:1}}} ] )
{ "_id" : null, "count" : 20000 }

    过一会chunk迁移完成后，或者我们手动执行一次balance,过一会再看就正常了

    如下：各分片加起来刚好等于20000

    # mongos总数20000
mongos> db.testcol.count()
20000# shard1分片的记录数
shard1:PRIMARY> db.testcol.count()
13796# shard2分片的记录数
shard2:PRIMARY> db.testcol.count()
1# shard3分片的记录数
shard3:PRIMARY> db.testcol.count()
6203

  • 哈希分片测试

    还是用刚才的数据库和集合，分片键依然使用testkey，只是把分片模式改为哈希

    mongos> use testdb
# 先删除这个集合清空数据和索引
mongos> db.testcol.drop()
# 在testdb库启动分片
mongos> sh.enableSharding("testdb")
# 使用范围分片
mongos> sh.shardCollection("testdb.testcol",{"testkey":"hashed"})

    插入测试数据

    mongos> use testdb
mongos> for(i=0;i<20000;i++){ db.testcol.insert({"testkey":i,"value":"hello world","date":new Date()})}

    查看统计状态

    mongos> sh.status()

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-INyIerbc-1600328284515)(C:/Users/suzhao/Desktop/a/4.png)]

    此时我们在统计下各个分片的数据

    # mongos
mongos> db.testcol.count()
20000# shard1分片
shard1:PRIMARY> db.testcol.count()
6817# shard2分片
shard2:PRIMARY> db.testcol.count()
6708# shard3分片
shard3:PRIMARY> db.testcol.count()
6475

    通过以上测试也可以看出：

    范围分片会有数据热点，数据都集中写在最后一个chunk中，所以刚写完后count统计数据会有重复（chunk 还没有完成迁移），且数据分布不够均匀

    哈希分片可以避免数据热点（刚写完就count统计，没有重复数据，没有chunk在迁移），且数据分布更均匀，各个分片都差不多

  • 混合分片测试

    混合分片只能用两个范围分片键，不能范围分片模式和哈希分片模式混用

    sh.shardCollection("testdb.testcol",{"key1":1,"key2":1})   # 正确
sh.shardCollection("testdb.testcol",{"key1":1,"key2":"hashed"})  #错误
sh.shardCollection("testdb.testcol",{"key1":"hashed","key2":"hashed"})  #错误

    为避免范围分片热点集中，哈希分片太过分散磁盘随机IO太多问题，可使用混合分片，第一个分片使用递增值，第二个分片使用一个比较离散的值，比如用户密码的md5加密字符串

    创建分片

    mongos> use testdb
# 先删除这个集合清空数据和索引
mongos> db.testcol.drop()
# 在testdb库启动分片
mongos> sh.enableSharding("testdb")
# 使用联合分片
mongos> sh.shardCollection("testdb.testcol",{"key":1,"password":1})

    插入测试数据

    这里使用一个python脚本插入数据

    生成数据格式{"_id": 自增 , "key" : 自增 , "password" : key的md5值 }

    #!/usr/bin/python
import pymongo
import hashlibmongo_str="mongodb://localhost:60001/"myclient=pymongo.MongoClient(mongo_str)mydb=myclient["testdb"]mycol=mydb["testcol"]mycol.delete_many({})if __name__ == '__main__':key=0while key<20000:md5=hashlib.md5(str(key)).hexdigest()mydict={"_id":key,"key":key,"password":md5,"value":"hello ,this is mix key"}x=mycol.insert_one(mydict)print(x.inserted_id)key+=1

    查看状态

    rs.status()

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hVgiMmSR-1600328284518)(C:/Users/suzhao/Desktop/a/5.png)]

9. 集群操作

  • 查看所有开启分片的数据库

    use config
db.databases.find()

  • 查看分片的片键

    use config
db.collections.find()

  • 查看分片的详细信息

    db.printShardingStatus()
sh.status

  • 删除分片

    db.runCommand( { removeShard: "shard2" } )

    如果要删除的分片是主分片则需要先移动主分片，对于没有分片的库，则只有一个主分片，先移走在删除

    db.runCommand({movePrimary:"testdb",to:"shard1"})

    可以多次运行删除分片命令查看状态。

  • 添加刚才删除的分片

    sh.addShard("shard2/localhost:40001,localhost:40002,localhost:40003")

    删除的分片想要添加回来，需要把原有的数据删除，否则会报如下错误，已经有

    [外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-GwDA0IDN-1600328284522)(C:/Users/suzhao/Desktop/a/6.png)]

    # 登录刚才删除的mongo分片
mongo --port 40001
# 删除数据
shard2:PRIMARY> use testdb
switched to db testdb
shard2:PRIMARY> db.dropDatabase()
# 在mongos上重新添加

    添加后数据会自动平衡

    # 可以看到已经有数据迁移过来了
shard2:PRIMARY> db.testcol.count()
10082
shard2:PRIMARY>

10.balance操作

  • 查看是否开启balance

    mongos> sh.getBalancerState()
true

  • 查看是否正在运行balance

    mongos> sh.isBalancerRunning()
false

  • 查看balance窗口

    可以指定一个空闲时间执行balance操作，null表示没有设置窗口，任何时间都可以

    mongos> sh.getBalancerWindow()
null

  • 手动启停balance

    sh.startBalancer()
sh.stopBalancer()

  • 设置balance窗口

    设置每晚2点到6点可以balance

    use config
db.settings.update({_id:"balancer"},{$set:{activeWindow:{start:"02:00",stop:"06:00"}}},{$upsert:true})

  • 删除balance窗口

    use config
db.settings.update({_id:"balancer"},{$unset:{activeWindow:true}})

  • 关闭或打开某个集合的balance

    sh.disableBalancing("testdb.testcol")
sh.enableBalancing("testdb.testcol")

  • 查看集合是否开启balance

    db.collections.find({_id:"testdb.testcol"})

【mongo系列】 六、mongo分片集群相关推荐

  1. mongo 3.4分片集群系列之六：详解配置数据库

    这个系列大致想跟大家分享以下篇章: 1.mongo 3.4分片集群系列之一:浅谈分片集群 2.mongo 3.4分片集群系列之二:搭建分片集群--哈希分片 3.mongo 3.4分片集群系列之三:搭建 ...

  2. 用mongoshake实现mongo分片集群到单实例和分片集群的数据同步

    一 实验环境 这里演示只同步源端ccc库下的t1,t2表,ddd库下的所有表到两个目标端. 二 实验步骤 2.1 创建专用账号 2.1.1 在源端创建账号 2.1.1.1 登录其中一个mongos节点 ...

  3. Mongo实战-分片集群的查询与索引

    从应用程序的角度来看,查询分片集群和查询单个mongod没什么区别.这两种情况下,查询接口和迭代结果集的过程是一样的.但在外表之下,两者还是有区别的,我们需要从细节层面进行了解. 1. 分片查询类型 ...

  4. redis搭建主从哨兵模式＋分片集群部署(redis系列二)

    前言:在前一章了解redis的基本介绍后,这一章主要介绍redis的实战部署,文章有点长请一步步耐心看完,我相信肯定会有收获的,这里用的资源包是2022年最新的redis版本可能会跟旧版本不同,在此章 ...

  5. linux系统中MongoDB数据库安装及分片集群搭建

    史上最全的mongodb分片集群搭建,从介绍安装到集群搭建授权,你再也找不到比他更加详细的资料了,未经允许禁止转载!! 一.简介 MongoDB是一个便于开发和扩展设计的文档数据库,属于NoSQL数据 ...

  6. 搭建MongoDB分片集群

    在部门服务器搭建MongoDB分片集群,记录整个操作过程,朋友们也可以参考. 计划如下: 用5台机器搭建,IP分别为:192.168.58.5.192.168.58.6.192.168.58.8.19 ...

  7. mongoDB研究笔记：分片集群的工作机制

    上面的(http://www.cnblogs.com/guoyuanwei/p/3565088.html)介绍了部署了一个默认的分片集群,对mongoDB的分片集群有了大概的认识,到目前为止我们还没有 ...

  8. mongodb 启动_精心总结--mongodb分片集群启动与关闭

    概述 网上教程有点坑啊,很多bug,今天刚好涉及到所以抽空整理了下mongodb分片集群启动与关闭方面的教程.希望对大家有点帮助. 基础环境配置 192.168.240.145 测试Nosql服务器1 ...

  9. MongoDb分片集群认证

    本文主要基于已经搭建好的未认证集群,结合上篇Mongodb副本集分片集群模式环境部署(https://www.cnblogs.com/woxingwoxue/p/9875878.html), Mong ...

最新文章

  1. linux xfce4桌面 仿mac os美化
  2. 【错误记录】Flutter 混合开发获取 BinaryMessenger 报错 ( FlutterActivityAndFragmentDelegate.getFlutterEngine() )
  3. Spring Boot集成CKEditor
  4. Python之IPython开发实践
  5. 深度学习没有GPU怎么办？
  6. 本地数据jqGrid分页
  7. 解决ORA-21561: OID generation failed
  8. Spring中父子容器的实现实例
  9. AutoCADDCL对话框设计示例八
  10. 小红书6.18种草拔草投放攻略，品牌制胜决策时刻
  11. 留得些许清影,幽香直到人间
  12. python进行整数计算_零基础学python_05_数字(整数+浮点数)
  13. python项目实战:实现王者荣耀敏感词汇过滤器
  14. 为什么荒野行动服务器信息卡了,荒野行动画面卡顿的原因是什么？荒野行动画面卡顿的快速有效解决方法...
  15. 人工智能之知识图谱体系总结
  16. vue和layUi对比
  17. aix 安装oracle smit install_latest,在AIX 5L上快速部署Oracle 9i
  18. Codeforces Round #655 (Div. 2) A
  19. web前端期末大作业——基于HTML+CSS制作河南旅游网页设计
  20. 让AI变得唾手可得才是云计算的最新战场

热门文章

  1. ABP框架Web API跨域问题的解决方案
  2. 如何快速制作证件照并压缩到100K?
  3. CentOS_7配置静态ip地址
  4. 基于IFB对网络入口流量设置Qos策略
  5. pandas写入excel指定行_使用pandas操作excel
  6. java使用httpclient简单模拟登陆微信公众开放平台
  7. NO_DATA_FOUND和%NOTFOUND的区别
  8. chm打开秒退_用熊猫看书来看chm，却自动退出，什么原因？
  9. android堆内存解析,heapsnap HeapSnap 是一款针对 Android 进程堆内存进行追踪、定位，以便查出泄露位置的工具 @codeKK c开源站...
  10. ODOO13 JS 自定义按钮后续来了