近年来,随着web2.0技术的飞速发展,大规模分布式数据存储技术对传统的关系型数据库带来了前所未有的挑战。关系型数据库在面对海量数据下的高速访问、大规模并发查询、非结构化数据存储以及数据库集群的横向扩展时,日益显得捉襟见肘。因此,一种全新的数据库——非关系型数据库应运而生了。在众多非关系型数据库中,MongoDB越来越受到web应用的青睐。本文在阐述了MongoDB面向文档的特点后,重点研究了在分片集群下,MongoDB默认的根据片键切分数据的机制和基于Chunk迁移的负载均衡策略。作者发现,这种基于Chunk迁移的负载均衡策略只能保证集群所存储的数据均匀地分布到各个分片节点,并没有考虑各个分片节点上的数据访问热度是否均衡。本文针对这一问题,引入Markov随机过程,提出了一种基于Markov预测模型的负载均衡策略。首先,对分片集群中每个Chunk的CRUD操作状态进行分类统计,用这些统计数据构成对应的齐次Markov链,再根据齐次Markov链的一系列特性建立分片集群负载均衡的预测模型,接下来预测模型将给出下一个时间阶段负载信息的预测值,最终根据预测值进行更合理的数据迁移工作,促使分片集群达到数据访问热度层面上的均衡。最后,使用云南大学URP系统所提供的测试数据,搭建了MongoDB分片集群的生产环境,将本文提出的基于Markov的负载均衡策略和MongoDB默认的基于Chunk迁移的均衡策略的实验结果进行对比,并对结果进行了分析。