Atlas 集群大小调整和层级选择

集群自动伸缩

专用集群支持Cluster Auto-Scaling 。在用户界面中创建新集群时，默认启用集群层级自动伸缩。 如果您在API中创建新集群，则默认禁用此功能。 启用自动伸缩后， Atlas可根据集群使用情况自动扩展集群层和/或存储容量。 通过自动伸缩，您的集群可以适应当前的工作负载，并减少手动优化的需要。

• 90% 的磁盘容量已使用后，集群存储扩展会自动增加集群存储容量。该设置默认启用，确保集群始终能够支持突然涌入的数据。要选择禁用集群存储伸缩，请取消选中 Auto-scale 部分中的 Storage Scaling 复选框。

• 集群层伸缩会根据各种集群指标，自动向上扩展或向下缩减集群层。要选择禁用集群层自动伸缩，请在 Auto-scale（自动伸缩）部分中取消选中 Cluster Tier Scaling（集群层伸缩）复选框。

  如需控制 Atlas 自动扩展集群的方式，需要设置：

  • 集群可以自动扩展到的最大集群层。 默认情况下，此设置为与当前集群层 相比的下一个集群。

  • 集群可以缩减到的最小集群层。 默认情况下，此设置为当前集群层。

内存

内存是指Atlas 集群的每个数据承载节点上可用的总物理RAM 。示例， M30 标准副本集在每个 3 数据承载节点上配置有 8 GB RAM 。

Atlas 使用 WiredTiger 存储引擎。

• 默认情况下，对于 M40 或更大的集群，WiredTiger 将 50% 或更多物理 RAM 用于 WiredTiger 缓存。剩余内存保留用于以下用途：

  • 内存中操作，例如排序和计算

  • 底层操作系统和其他系统服务

• 默认情况下，对于 M30 和更小的集群， WiredTiger 将 25% 的物理 RAM 用于 WiredTiger 缓存。

如需了解有关内存使用的更多信息，请参阅 WiredTiger 和内存使用。

MongoDB 使用 WiredTiger 缓存来保存最近使用的数据和索引。 工作集是所有索引加上经常访问的文档集的总和。 如果您的工作集 适合在 RAM 中运行，那么 MongoDB 可以从内存中提供查询服务， 从而实现最快的查询响应时间。

要估计工作集的大小，您可以使用从 db.stats() 获取的总索引空间信息进行计算，并假设数据空间中的一定百分比会被频繁访问，或者也可以使用有根据的假设。

var totalIndexSize = 0;
var totalDataSize = 0;
var reservedDBs = ["admin","config","local"];
// Switch to admin database and get list of databases.
db = db.getSiblingDB("admin");
dbs = db.runCommand({ "listDatabases": 1 }).databases;
// Iterate through each database and get its stats.
dbs.forEach(function(database) {
   if (reservedDBs.includes(database.name))
       return;
   db = db.getSiblingDB(database.name);
       print("Obtaining stats for " + database.name);
   var stats = db.stats();
       totalIndexSize += (stats.indexSize / (1024*1024*1024)) ;
       totalDataSize += (stats.dataSize / (1024*1024*1024)) ;
});
print ("Total data size in GB: " + totalDataSize.toFixed(2));
print ("Total index size in GB: " + totalIndexSize.toFixed(2));

Obtaining stats for sample_airbnb
Obtaining stats for sample_geospatial
Obtaining stats for sample_mflix
Obtaining stats for sample_supplies
Obtaining stats for sample_training
Obtaining stats for sample_weatherdata
Total data size in GB: 0.32
Total index size in GB: 0.02

网络流量

集群节点之间以及消耗 Atlas 集群数据的客户端之间的所有网络流量 都会影响网络带宽。 确定集群大小时，应考虑集群上任何节点所能承载的最大流量， 然后以此为基础选择合适的 Atlas 集群层级。

从集群到客户端应用程序的下游数据传输速率可以计算为一段时间内返回的文档总数的总和。如果仅从主节点读取，则这是唯一需要进行的计算。如果应用程序还从从节点读取，则可以将该数字除以可以提供读取操作的节点数。

您可以使用 db.stats() 方法找到数据库的平均文档大小。将平均文档大小 (avgObjSize) 乘以每秒提供的文档数量来估算带宽要求。

Atlas 实例在较高的层级提供更快的带宽速度。AWS 支持的实例在 M30 级别提供高达每秒 10 GB 的速度，而在 M200 级别提供高达每秒 25 GB 的速度。