哈希分片无法打散数据的根本原因是分片键基数过低:若分片键仅含少量取值(如3个),哈希运算后仍最多生成等量哈希值,导致数据只能落在少数分片上,其余分片空闲;此时均匀性失效,出现严重数据倾斜。

哈希分片为什么没把数据打散?
哈希分片不是“自动均匀”的开关,它只对分片键值做哈希运算,不改变原始值的逻辑基数。如果 shard_key_field 实际只有 3 个取值(比如 "A"、"B"、"C"),那无论加不加 {"field": "hashed"},最多也就生成 3 个不同哈希值,最终落到 3 个 chunk 上——其他分片永远空着。
常见错误现象:
- 执行
sh.status()看到某个分片 chunk 数极少,但数据量却占全集群 80%+ -
db.collection.getShardDistribution()显示各分片文档数/数据量严重不均
真正要查的是字段本身:先跑 db.collection.distinct("shard_key_field").length,若结果远小于文档总数(比如千万级集合返回
复合哈希键中高阶字段失效的典型场景
像 {tenant_id: "hashed", created_at: 1} 这种复合键,看似兼顾了分散与范围查询,但一旦 tenant_id 实际只有 5 个有效值,每个租户的全部数据仍会被锁死在同一个分片里——因为 tenant_id 哈希后固定对应一个 chunk 范围,created_at 的范围再大也跳不出去。
使用场景判断要点:
- 检查
tenant_id是否真有高基数:db.collection.distinct("tenant_id").length - 聚合验证头部集中度:
db.collection.aggregate([{$group: {_id: "$tenant_id", count: {$sum: 1}}}, {$sort: {count: -1}}, {$limit: 5}]),前 5 项占比超 40% 就危险 - 避免用枚举字段、状态码、布尔值这类天然低基数字段作高位键
预分片时必须停掉 auto-split 和 balancer
手动预分片不是切完就完,mongos 会立刻干预:
- 不执行
sh.disableAutoSplit("db.coll")→ 刚建好的大 chunk 被自动拆成一堆小 chunk,失去预控意义 - 不运行
sh.stopBalancer()→ balancer 在你切片过程中强行迁移 chunk,导致归属错位、数据重复或丢失 - 漏掉这两步,后续
sh.status()里看到的 chunk 分布完全是干扰项,不能信
执行顺序必须是:停写 → sh.disableAutoSplit → sh.stopBalancer → 预分片 → 确认分布 → 再启 balancer。
重建分片键时最容易被忽略的硬性条件
MongoDB 不允许直接修改分片键,重建集合时这几个条件缺一不可:
-
sh.shardCollection("db.coll", {"new_shard_key": 1})前,该字段必须在**所有文档中存在且类型一致**,否则报错cannot shard collection with missing or inconsistent shard key value - 导入必须带
--drop参数:mongorestore --drop,漏掉会导致新旧数据混杂,查询结果错乱 - 新分片键要避开
null和空字符串——MongoDB 把所有null归为同一分片键值,极易引发 jumbo chunk
真正难的不是操作步骤,而是确认字段是否“全员存在+类型干净”。建议导出前先跑一遍 db.coll.find({new_shard_key: {$exists: false}}).count() 和 db.coll.aggregate([{$group: {_id: {$type: "$new_shard_key"}, count: {$sum: 1}}}])。











