MongoDB分片，唯一索引与upsert

前言

分片，唯一索引和upsert，表面上看似没有直接联系的几个东西，到底存在怎样的瓜葛呢？

分片

为了保持水平扩展的有效性，分片功能必须保证各个片之间没有直接关联，不需要与其他分片交互就可以独立做出决策。如果不能满足这一点，随着分片数量不断增加，需要交互的分片越来越多，势必会越来越慢，那么就违背了分片的初衷了。比如join就是一种典型的破坏分片独立性的功能。在一个n个分片的集群中，为了得到笛卡尔积，每个分片必须与其他n-1个分片交互来得到结果。虽然不见得是线性的延迟增长（因为n-1个请求可以并行），但是可想而知对资源将是极大的消耗，并且随着分片数量的增长影响会越来越显著，最终会到达“增加一个分片可能对性能完全没有帮助”，或者“增加一个分片反而降低性能”的地步。

唯一索引

唯一索引是另外一个显著破坏分片独立性的特性。前面对join的分析完全适用于唯一索引，并且更糟的情况是唯一索引还有有更进一步的恶劣影响，那就是在写入数据的时候必须占用一个跨分片的全局锁，否则无法保证其唯一性，可想而知对性能有怎样的影响。这也是mongodb为什么不打算去实现全局唯一索引的原因。

有一种特殊情况却可以改变这种不利状况，那就是唯一索引的键正好是片键的时候。片键一旦确定，文档该去哪个分片就确定了，那么只要保证该键在这一个片上唯一就可以了，不再需要去与其他分片协商。

upsert

从语义上讲，我们使用upsert一般是希望一个键只出现一次的（不然每次insert就好了）。这一点恰恰是唯一索引要干的事情，而唯一索引又存在上面的所说的问题，因此唯一有意义的情况则是upsert使用的条件正好是片键，且片键唯一。
满足了上面这些条件就高枕无忧了吗？并不是。在决定一个键是不是存在，到执行update/insert之间，是存在空隙的。即，检测和执行并不在一个原子操作中，也不可能在一个原子操作中，否则将是一个很大粒度的锁。再说，mongodb对文档级别并没有真正通过加锁来控制，而是通过“乐观并发控制”（）来进行的。
因此，出于效率考虑，不是原子操作是正确的选择，而解决这个问题也不是特别麻烦的事情，实际上只需要在遇到duplicate key异常的时候重试该操作就可以了，因为重试的时候理论上就应该变成update而不再是insert，自然避免了问题。或者，在4.2中直接实现了这类错误的自动重试（server-37124)。

参考资料

• unique indexes: 
• retry full upsert path when duplicate key exception matches exact query predicate: https://jira.mongodb.org/browse/server-37124