日志数据分片集群存储
副本集模式下，每个节点都需要保存完整数据副本。随着系统持续运行，日志类数据会不断累积，尤其是以下数据容易增长到 TB 级别：
- 工作表记录数据变更日志
- 工作流执行历史日志
当日志数据规模持续增长时，仅依赖副本集会带来较高的存储成本和查询压力。除定期清理历史数据、数据归档外，也可以通过 MongoDB 分片集群对日志数据进行水平拆分。
适用场景
日志数据分片集群适用于以下场景：
- 日志数据增长速度快，单个 MongoDB 副本集存储压力较高
- 工作表变更日志或工作流历史日志达到百 GB 或 TB 级别
- 查询日志时，单表数据量过大导致响应时间明显变长
- 需要通过增加节点逐步扩展日志数据存储能力
如果当前日志数据规模较小，或已有清理、归档策略能够满足容量要求，优先使用清理和归档方案即可，避免过早引入分片集群的运维复杂度。分片集群会增加部署、监控、备份和故障处理复杂度。启用前应结合日志数据规模、增长趋势、查询模式和运维能力评估，并在测试环境验证分片键、索引和典型查询性能。
架构说明
日志数据分片集群通过 MongoDB Sharding 将大规模日志集合拆分到多个分片中。每个分片只保存一部分日志数据，系统通过路由节点将读写请求转发到对应分片。
典型架构包含以下组件：
- Config Server：保存分片集群元数据和路由信息
- Mongos：作为查询路由入口，负责将请求分发到目标分片
- Shard：实际存储日志数据，每个分片通常使用副本集保证可用性
在该架构下，日志数据不再集中存储在单个副本集内。随着数据量增长，可以通过增加 Shard 扩展整体存储容量和 I/O 能力。
主要优势
水平扩展
通过增加分片数量扩展日志数据存储容量，避免单个 MongoDB 节点持续垂直扩容。对于长期累积的日志数据，分片集群可以让单个分片的数据规模保持在可控范围内。
查询性能
当查询条件能够命中分片键时，Mongos 可以将请求路由到目标分片，减少无关数据扫描。对于跨分片查询，多个分片也可以并行处理请求，降低单集合数据量过大带来的性能衰减。
成本控制
分片集群支持按需扩容。可以先按当前数据规模规划基础分片数量，再随着日志增长逐步增加分片，避免一次性为单节点配置过大的存储和计算资源。