MongoDB疑難解析：為什么升級之后負(fù)載升高了？

本文是“我和MongoDB的故事”征文比賽的二等獎得主李鵬沖的文章。下面我們一起來欣賞下。

問題

近期線上一個三分片集群從 3.2 版本升級到 4.0 版本以后，集群節(jié)點的 CPU 的負(fù)載升高了很多（10% -> 40%）, 除了版本的升級，項目邏輯和操作量均無變化。關(guān)閉 Balancer 以后 CPU 負(fù)載回歸正常，穩(wěn)定在 10% 以下。為此，只能經(jīng)常關(guān)閉當(dāng)前正在寫入表的 balancer , 每周二打開 balancer 開啟均衡，在此期間節(jié)點的 CPU 負(fù)載持續(xù)穩(wěn)定在 40% 。集群有 3 個分片，除了 MongoDB 版本的變化，項目本身的邏輯無任何變化。那么升級以后 CPU 負(fù)載較大變化的背后是什么原因呢？

監(jiān)控與日志

首先可以明確，升級以后 CPU 負(fù)載升高和 balancer 遷移數(shù)據(jù)有關(guān)。觀察升級以后 4.0 版本，周二打開 balancer 期間的負(fù)載情況和 mongostat 結(jié)果：

可以發(fā)現(xiàn)，CPU 負(fù)載升高和 delete 數(shù)據(jù)的情況很吻合。而遷移數(shù)據(jù)數(shù)據(jù)之后源節(jié)點需要刪除遷移走的數(shù)據(jù)，所以肯定有大量的 delete 。遷移數(shù)據(jù)之后的刪除也會有如下的日志：

• 53094:2019-10-08T10:09:24.035199+08:00 I SHARDING [Collection Range Deleter] No documents remain to delete in dt2log.tbl_log_item_20191001 range [{ _id: -3074457345618258602 }, { _ id: -3033667061349287050 })

53095:2019-10-08T10:09:24.035222+08:00 I SHARDING [Collection Range Deleter] Waiting for m ajority replication of local deletions in dt2log.tbl_log_item_20191001 range [{ _id: -3074 457345618258602 }, { _id: -3033667061349287050 })

53096:2019-10-08T10:09:24.035274+08:00 I SHARDING [Collection Range Deleter] Finished dele ting documents in dt2log.tbl_log_item_20191001 range [{ _id: -3074457345618258602 }, { _id

-3033667061349287050 })

所以從監(jiān)控和日志判斷， CPU 負(fù)載較高主要是因為遷移數(shù)據(jù)之后的刪除導(dǎo)致。而且集群的表都是 {_id : hashed} 分片類型的表，數(shù)據(jù)量較大，但是每條數(shù)據(jù)較小，平均每個 chunk 10w+ 的文檔數(shù)，刪除數(shù)據(jù)速度約 200-300/s ，所以移動一個 chunk 導(dǎo)致的刪除就會持續(xù) 10 分鐘左右。

統(tǒng)計最近2個周期，開啟 balancer 以后 moveChunk 的情況：

從上表可知此場景下， {_id : hashed} 分片類型集合數(shù)據(jù)基本已經(jīng)均勻了，不必重啟開啟 balancer 。因為 每個chunk 文檔數(shù)較多，刪除會比較耗資源。

關(guān)閉表的 balancer 可以解決升級之后負(fù)載升高的問題，但是竟然是為何升級到 4.0 之后 CPU 負(fù)載較高, 而 3.2 版本穩(wěn)定在低位呢？這只有可能是一個原因：4.0 版本更頻繁的發(fā)生 moveChunk, 持續(xù)的刪除數(shù)據(jù)導(dǎo)致 CPU 負(fù)載一直較高；3.2 版本較少的發(fā)生 moveChunk，不用刪除數(shù)據(jù)所以負(fù)載很低。

所以本次問題的根本是: 4.0 版本和 3.2 版本的 balancer 與 moveChunk 的邏輯是否有差別？同樣的操作，為什么 4.0版本的集群會有較多的 moveChunk ？

擼代碼：splitChunk、balancer與moveChunk

當(dāng)通過 mongos 發(fā)生插入和更新刪除操作時，mongos 會估算對應(yīng) chunks 的數(shù)據(jù)量的大小，滿足條件會觸發(fā)splitChunk 的操作，splitChunk 之后可能會導(dǎo)致集群的 chunk 分布不均勻。balancer 檢測數(shù)據(jù)的分布情況，當(dāng)數(shù)據(jù)分配不均勻時，發(fā)起 moveChunk 任務(wù)，將數(shù)據(jù)從 chunks 較多的分片遷移到 chunks 較少的分片，遷移之后源節(jié)點會異步刪除遷移走的 chunk 數(shù)據(jù)。

3.2 版本和 4.0 版本，此部分邏輯最大的區(qū)別就是, 3.2 版本 balancer 在 mongos，4.0 版本在 config（3.4版本開始)，moveChunk 過程和刪除數(shù)據(jù)的邏輯基本沒有差異。

splitChunk

split chunks 一般是在插入、更新、刪除數(shù)據(jù)時，由 mongos 發(fā)出到分片的 splitVector 命令，此時分片才會判斷是否需要 split 。但是 mongos 并不知道每個 chunk 真正的數(shù)據(jù)量，是利用一個簡單的估算算法判斷的。

• 啟動時，mongos 默認(rèn)每個 chunk 的原始大小為 0-1/5 maxChunkSize 范圍取個隨機值 ；

• 之后 chunk 內(nèi)數(shù)據(jù)，每次 update/insert 操作時，chunkSize = chunkSize + docSize；

• 當(dāng) chunkSize > maxChunkSize/5 時，觸發(fā)一次可能 split chunk 的操作； 到 分片mongod 執(zhí)行 splitVector命令 ，splitVector 命令返回 chunk 的分割點，如果返回為空那么不需要 split ，否則 繼續(xù) splitChunk。

也就是說，splitChunk 操作有滯后性，即使數(shù)據(jù)分布均衡，也有可能 splitChunk 執(zhí)行時間的差異導(dǎo)致 chunks 分布存在中間的不均勻狀態(tài)，導(dǎo)致大量的 moveChunk 。

balancer

無論 3.2 還是 4.0 的 balancer ，默認(rèn)的檢測周期為 10s , 如果發(fā)生了 moveChunk ，檢測周期為 1s 。balancer 基本過程也大致相同：

• config.shards 讀取分片信息 ;

• config.collections 讀取所有集合信息，并且隨機排序保存到一個數(shù)組中；

• 對每個集合從 config.chunks 讀取 chunks 的信息；

• 含有最多 chunks 數(shù)量 （maxChunksNum）的分片為源分片，含有最少 chunks 數(shù)量(minChunksNum)的分片為目的分片; 如果 maxChunksNum – minChunksNum 大于遷移的閾值 （threshold）， 那么就是不均衡狀態(tài)，需要遷移，源分片的 chunks 第一個 chunk 為待遷移的 chunk ，構(gòu)造一個遷移任務(wù)（源分片，目的分片，chunk）。

每次 balancer 會檢測所有集合的情況，每個集合最多一個遷移任務(wù) ; 而且構(gòu)造遷移任務(wù)時，如果某個集合含有最多數(shù)量的分片或者最少數(shù)量 chunks 的分片，已經(jīng)屬于某一個遷移任務(wù)，那么此集合本輪 balancer 不會發(fā)生遷移。最后，本次檢測出的遷移任務(wù)完成以后才開始下次 balancer 過程。

balancer 過程中，會對集合做一次隨機排序，當(dāng)有多個集合的數(shù)據(jù)需要均衡時，遷移時也是隨機的，并不是遷移完一個集合開始下一個集合。

重點關(guān)注上述的遷移閾值，就是這個遷移的閾值 threshold 在 3.2 和 4.0 版本有所不同。

3.2 版本, chunks 數(shù)量小于 20 的時候為 2， 小于 80 的時候為 4， 大于 80 的時候為 8 。也就是說假設(shè)兩分片集群，某個表有 100 個chunk , 每個分片分別有 47 和 53 個chunk 。那么此時 balance 認(rèn)為是均衡的，不會發(fā)生遷移。

int threshold = 8;
if (balancedLastTime || distribution.totalChunks() < 20) threshold = 2;
else if (distribution.totalChunks() < 80) threshold = 4;


4.0 版本，chunks 數(shù)量差距大于 2 的時候就會發(fā)生遷移。同樣的上述例子中，每個分片分別有 47 和 53 個 chunk時， balance 認(rèn)為是不均衡的，會發(fā)生遷移。

const size_t kDefaultImbalanceThreshold = 2; const size_t kAggressiveImbalanceThreshold = 1;
const size_t imbalanceThreshold = (shouldAggressivelyBalance || distribution.totalChunks()
< 20)
? kAggressiveImbalanceThreshold: kDefaultImbalanceThreshold;
// 這里雖然有個 1 ，但是實際差距為 1 的時候不會發(fā)生遷移，因為判斷遷移時，還有一個指標(biāo)：平均每個分片的最大 ch
unks 數(shù)量，只有當(dāng) chunks 數(shù)量大于這個值的時候才會發(fā)生遷移。
const size_t idealNumberOfChunksPerShardForTag = (totalNumberOfChunksWithTag / totalNumberOfShardsWithTag) + (totalNumberOfChunksWithTag % totalNumberOfShardsWithTag ? 1 : 0);

關(guān)于此閾值，官方文檔也有介紹:

To minimize the impact of balancing on the cluster, the balancer only begins balancing after the distribution of chunks for a sharded collection has reached certain thresholds. The thresholds apply to the difference in number of chunks between the shard with the most chunks for the collection and the shard with the fewest chunks for that collection. The balancer has the following thresholds:

The balancer stops running on the target collection when the difference between the number of chunks on any two shards for that collection is less than two, or a chunk migration fails.

但是從代碼上，從3.4 版本開始，此閾值的邏輯就已經(jīng)變化了，但是文檔并沒有更新。

moveChunk

moveChunk 是一個比較復(fù)雜的動作, 大致過程如下：

目的分片，首先要刪除要移動的 chunk 的數(shù)據(jù)。所以會有一個刪除任務(wù)。

可以在 config.settings 設(shè)置 _secondaryThrottle 和 waitForDelete 設(shè)置 moveChunk 過程中 插入數(shù)據(jù)和刪除數(shù)據(jù)的 write concern

• _secondaryThrottle: true 表示 balancer 插入數(shù)據(jù)時，至少等待一個 secondary 節(jié)點回復(fù)；false 表示不等待寫到 secondary 節(jié)點； 也可以直接設(shè)置為 write concern ，則遷移時使用這個 write concern . 3.2 版本默認(rèn) true, 3.4 開始版本默認(rèn) false；

• waitForDelete: 遷移一個 chunk 數(shù)據(jù)以后，是否同步等待數(shù)據(jù)刪除完畢；默認(rèn)為 false , 由一個單獨的線程異步刪除孤兒數(shù)據(jù)。

設(shè)置方式如下：

use config db.settings.update(
{ "_id" : "balancer" },
{ $set : { "_secondaryThrottle" : { "w": "majority" } ,"_waitForDelete" : true } },
{ upsert : true }
)

3.2 版本 _secondaryThrottle 默認(rèn) true, 3.4 開始版本默認(rèn) false，所以 3 .2 版本和4.0 版本 moveChunk 遷移數(shù)據(jù)時，4.0版本會更快完成，遷移中 目的分片的每秒 insert 量級也會更多，對 CPU 負(fù)載也會有些許的影響。

另外，3.4.18/3.6.10/4.0.5 及之后版本，還有以下參數(shù) (Parameter) 調(diào)整插入數(shù)據(jù)的速度：

• migrateCloneInsertionBatchDelayMS: 遷移數(shù)據(jù)時，每次插入的間隔，默認(rèn) 0 不等待。

• migrateCloneInsertionBatchSize: 遷移數(shù)據(jù)時，每次插入的數(shù)量，默認(rèn)為 0 無限制。

設(shè)置方式如下：

db.adminCommand({setParameter:1,migrateCloneInsertionBatchDelayMS:0})
db.adminCommand({setParameter:1,migrateCloneInsertionBatchSize:0})

異步刪除數(shù)據(jù)線程

3.2 和 4.0 版本的異步刪除線程具體實現(xiàn)略有不同，但是，根本過程還是一致的，用一個隊列保存需要刪除的 range, 循環(huán)的取隊列的數(shù)據(jù)刪除數(shù)據(jù)。所以異步刪除數(shù)據(jù)線程是按照 chunk 進入隊列的順序，逐個刪除。總?cè)肟冢?/p>

3.2 版本 db/range_deleter.cpp 線程入口 RangeDeleter::doWork()
4.0 版本 db/s/metadata_manager.cpp scheduleCleanup 時會有一個唯一的線程執(zhí)行清理任務(wù)

4.0 版本在刪除數(shù)據(jù)時，按批刪除數(shù)據(jù)，每次刪除數(shù)量計算方式如下：

maxToDelete = rangeDeleterBatchSize.load();
if (maxToDelete <= 0) {
maxToDelete = std::max(int(internalQueryExecYieldIterations.load()), 1); // 128
}


有較多的參數(shù)可以靈活的控制刪除速度，默認(rèn)情況下，900s 以后開始清理 chunks 的數(shù)據(jù)，每次清理 128 個文檔，每隔 20ms 刪除一次。具體通過以下參數(shù)設(shè)置：

• rangeDeleterBatchDelayMS: 刪除每個 chunk 數(shù)據(jù)的時候分批次刪除，每批之間間隔的時間，單位 ms，默認(rèn) 20ms；

• internalQueryExecYieldIterations: 默認(rèn)為 128；

• rangeDeleterBatchSize：每次刪除數(shù)據(jù)的數(shù)量，默認(rèn)即為0；為0時 ，則每次刪除的數(shù)量為max(internalQueryExecYieldIterations，1)，

• orphanCleanupDelaySecs: moveChunk 以后延遲刪除數(shù)據(jù)的時間，單位 s ，默認(rèn) 900 s

總結(jié)

• moveChunk 可能對系統(tǒng)的負(fù)載產(chǎn)生影響，主要是刪除數(shù)據(jù)階段的影響，一般遷移中的插入數(shù)據(jù)影響較小；

• 3.4 及之后的版本存在 balancer 遷移閾值較低的問題，可能會更頻繁的產(chǎn)生 moveChunk；

• 文檔數(shù)據(jù)多而小的表，而且是 hashed 分片，本應(yīng)預(yù)分配一定的 chunk 以后永久關(guān)閉表的 balancer。開啟balancer 時，3.2 版本因為均衡閾值較大，較少發(fā)生 moveChunk 遷移數(shù)據(jù)，所以負(fù)載較低； 4.0 版本均衡閾值很小，更容易發(fā)生遷移，頻繁的遷移之后刪除數(shù)據(jù)導(dǎo)致負(fù)載較高。

作者：李鵬沖

網(wǎng)易游戲高級運維工程師，MongoDB和MySQL數(shù)據(jù)庫愛好者，目前專注于SAAS平臺的開發(fā)與運維工作。

感謝MongoDB官方，錦木信息和Tapdata對活動的大力支持！

進入MongoDB技術(shù)交流群/投稿/合作 請?zhí)砑由鐓^(qū)助理小英微信 （ID：mongoingcom），添加請備注mongo