本文目录一览：
如何搭建mongodb分片
要构建一个 MongoDB Sharding Cluster，需要三种角色：Config Server 为了将一个特定的collection存储在多个shard中，需要为该collection指定一个shard key，例如{age： 1} ，shard key可以决定该条记录属于哪个chunk。
部署过，没有深入研究过，一般mongodb部署主从、或者mongodb分片集群；建议3台或5台服务器来部署。MongoDB分片的基本思想就是将集合切分成小块。这些块分散到若干片里面，每个片只负责总数据的一部分。
MongoDB的分片框架中有3个角色：1）Query Routers：路由 2）Config servers：元数据服务器 3）Shards：数据节点 接着是坐标系的定义：MongoDB可通过索引来获取相关对象的地址，成为“坐标系”。
keyfile 配置用于 MongoDB 节点间复制行为的密钥文件。replSet 为副本集设置一个名称。接下来我们创建一个用于所有实例的密钥文件。
当设置了要分片的库，及表后，系统会自动帮你添加库及表。设置完成后，就可以导入数据了。
mongo集群可以用来进行海量数据分析吗
1、MongoDB 是一个典型的NoSQL（not only sql）数据库是开源的面向文档的数据库管理系统，主要实现NoSQL数据库管理系统，用于存储海量数据（humongous，Mongo名称的由来）。
2、所以感觉如果只是用于海量实时的小数据那么MongoDB可能会好点，但是如果还需要对数据进行统计分析，那么最好还是考虑统计分析的因素。如你使用mapreduce进行数据统计分析，那么hbase可能会更好些，虽然MongoDB也支持mr。
3、MongoDB数据结构比较单一，但是支持丰富的数据表达，索引，最类似关系型数据库，支持的查询语言非常丰富。性能：redis更适用于较小数据量的性能及运算mongodb则在海量数据的访问下性能更优可靠性：二者均支持持久化。
mongoDB应用篇-mongo聚合查询
1、如果我们在日常操作中，将部分数据存储在了MongoDB中，但是有需求要求我们将存储进去的文档数据，按照一定的条件进行查询过滤，得到想要的结果便于二次利用，那么我们就可以尝试使用MongoDB的聚合框架。
2、之前也说过，MongoDB数据库里面的数据是键值对形式，所以如果想要插入多条数据，可以这样写，也就是键值对之间用逗号隔开。如果想要查询数据，则可以使用db.集合名.find（）语句来查询。
3、MongoDB适用于需要处理大量数据，特别是无结构或半结构化数据的场景，同时需要高性能和水平扩展能力的应用场景。 处理大量数据：MongoDB是一个面向文档的数据库，采用BSON（二进制JSON）格式存储数据。
4、使用场景：（1）网站数据：MongoDB适合实时的插入，更新与查询，并具备网站实时数据存储所需的复制及高度伸缩性。（2）缓存：由于性能很高，MongoDB也适合作为信息基础设施的缓存层。
5、在上一篇 mongodb Aggregation聚合操作之$unwind 中详细介绍了mongodb聚合操作中的$unwind使用以及参数细节。本篇将开始介绍Aggregation聚合操作中的$count操作。说明：查询展示文档数量的总数。
