一个mongodb问题分析-Toy模板网

这篇具有很好参考价值的文章主要介绍了一个mongodb问题分析。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

mongodb问题分析

现状

表的个数：

生产上常用的表就10来个。

sharding cluster + replica set方式部署：

9个shard server，每个shard server 1主2从，大量数据写入时或对大表创建索引时，可能有主从复制延迟问题。实测下来，20亿表的索引创建导致主从延时4小时，因为从表在建索引的时候会停掉主从复制。

一个shard server挂掉，恢复起来很慢，一般要半个小时。而且一个shard server挂掉，目前会导致整个集群不可用，此点需要定位。

一个shard server里的master挂掉，剩下2个从是可以选出一个master出来的，只不过选举中间不能写，只能读。另外，一个shard server里的三个节点是分散在3个AZ的，所以断AZ的情况下，可靠性是有保障的。

平时做需求会有加索引的要求，但是你对一张百亿级别的表做索引，这个耗时是很长的，哪怕放到晚上做，也要5~6个小时之久。万一晚上没做完，第二天就可能影响replica set里从节点的复制操作。

还有，业务上大量使用事务，加剧了主从复制延迟情况下的集群负担，造成mongodb连接池和处理线程的耗尽，并波及到incoming request的处理，最后导致整个docker都处于不健康状态。

我们的业务特点是：读优先，写慢一点、不及时都可以容忍。

问题清单

一个shard server挂掉，可能导致整个集群不可用；

是我们使用的方法问题，还是shard server真的就完全不可用了？因为shard server内部是一主二从，且为多AZ分布，理论上完全可以通过降低C（一致性）来保证A（可用性），不会说完全不可用。在这个基础上，我个人认为双活的意义可能不是很大，双活只是为了提高可用性。

数据量继续以每月千万级的规模增长下，如何保证业务查询效率不降低？

增加分片，但增加分片时尽量不要引发大量的数据均衡。

业务逻辑大量使用事务，有没有问题？

mongo的事务本质上是一个分布式事务，效率不高，遇到异常，大概率要成为瓶颈。需要从业务层面评估是否确实需要事务，能不能通过修改表结构，减少事务的使用。

因业务需要对大表加索引，如何降低对集群的影响？

索引是提升查询效率的重要手段，属于以空间换时间，这种行为是不可避免的。那么，如何降低建索引对集群的影响。

核心要素：主从复制延时

主从复制延时应该是不可避免的，因为本身从机把oplog拉到本地redo就是异步的，在正常情况下，这个时间差不会很大，好像就1~2s。但如果有以下几点：

因为大量写入导致的主机cpu、io负载很高
网络异常，时延增加
从机在忙着干其它事（比如创建索引）

这个时延就可能扩的很大。

大量写入及随后的自动均衡、针对大表建索引，都会导致第一个情况发生。

主从时延大对于强调一致性的系统来说，影响很大，不仅仅是各节点数据不一致的问题（这个要看业务是否有强一致性诉求），还会影响读写操作本身。因为对这样的系统而言，写入成功的标准往往不是单点写入成功就行，而是要半数以上的节点写入成功，主从延时大可能会导致写操作挂住或失败！而大量的写失败或挂住又会影响读的可用性，一方面是连接数和线程数的消耗，另一方面是读可能依赖于写（比如readConcern里的majority，为避免脏读，要求读的是大部分节点写入的数据）。

突破口

主从复制延时的解决

要考虑几点：

尽量减少主从复制延时发生的概率；
降低主从复制延时对业务的影响；
主从复制延时后的恢复时间要尽可能短。

解决思路：

mongodb备份/ 新增分片的数据均衡/ 大表建索引/ 大量数据不均衡写入/ 慢SQL 这些因素的混合影响，前三者如何把时间错开
修改readPreference做到读写分离，由此带来的数据非最新、不全、不同人做相同的查询结果可能不一样等等，要有心里准备。另外，如果开启了自动均衡，由于还未结束或者异常终止的chunk迁移，secondary返回的可能是有缺失或者多余的数据。但这里有个问题：读写分离是不是就能降低主从复制延时的影响？需要测试
设置writeConcern的wtimeout，事务失败后的重试保证？
恢复手段：将从节点隐藏，使事务尽快结束；