文档数据库主要通过分片来支持水平扩展，分片将数据分布在多个服务器上以处理增加的负载。分片将数据库分成更小、更易于管理的部分，称为分片，每个分片都存储在单独的节点上。 例如，MongoDB 使用分片键（例如用户 ID 或时间戳）来确定数据的分区方式。 具有相似分片键值的文档被分组到同一个分片中，从而可以有效地路由针对特定数据范围的操作。 这种分配使数据库能够并行处理更多的读/写操作，因为每个分片都是独立运行的。 通过在节点之间分配数据和工作负载，文档数据库避免了依赖单个服务器时出现的瓶颈。
另一个关键方面是自动数据重新平衡。 当向集群添加新节点时，像 Couchbase 或 MongoDB 这样的文档数据库会动态地重新分配分片，以保持均匀的数据分布。 例如，如果一个分片变得太大，系统会将其拆分并将部分移动到未充分利用的节点。 这确保了即使在数据量或流量增加的情况下，也不会有任何单个节点不堪重负。 此外，许多文档数据库使用副本集（存储在多个节点上的分片的副本）来增强可用性和读取可扩展性。 副本允许将读取操作分布在节点之间，从而减少主分片上的负载。 分片、重新平衡和复制的这种组合实现了无缝扩展，而无需手动干预。
最后，文档数据库简化了分布式环境中的查询处理。 查询路由器（例如，MongoDB 的 mongos）根据分片键将请求定向到相关的分片。 对于跨多个分片的查询，路由器会聚合来自每个分片的结果并返回统一的响应。 虽然跨分片查询可能会引入延迟，但在精心设计的系统中，这些查询并不常见，在这种系统中，分片键与查询模式对齐。 开发人员必须谨慎选择分片键：选择不当（例如，单调递增的时间戳）可能会创建热点，而平衡的键（例如，地理区域）可确保均匀分布。 通过分离数据存储和查询路由，文档数据库可以保持大规模的性能，使其成为需要高吞吐量和灵活增长的应用程序的理想选择。