MongoDB 空间使用

MongoDB
MongoDB 内存高问题
MongoDB 磁盘IO高问题
概述
阿里云数据库MongoDB的空间使用率是一个非常重要的监控指标，如果实例的存储空间完全打满，将会直接导致实例不可用。一般来说，当一个MongoDB实例的存储空间使用比例达到80-85%以上时，就应及时进行处理，要么降低数据库实际占用空间的大小，要么对存储空间进行扩容，以避免空间打满的风险。
然而，阿里云数据库MongoDB的空间使用情况分析并不简单，本文将由浅入深帮您查看，分析和优化云数据库MongoDB的空间使用。
查看空间使用
副本集模式
部署架构为副本集模式下，提供有多种查看空间使用的方法，您可以根据自身需求，由浅入深了解MongoDB的空间使用情况。
总体概览
在MongoDB控制台的“基本信息”页中会显示实例的总存储空间使用大小，但这里只有当前的空间的总使用率，没有具体的各类数据分别占用空间大小的信息，也没有空间使用的历史信息，如下图：
监控图分析
MongoDB副本集由多种角色组成，一个角色可能对应一个或多个物理节点。阿里云MongoDB对用户暴露Primary和Secondary节点，另外还提供有只读实例的角色。可以通过点击"监控信息"，选择对应的角色查看MongoDB空间相关的监控情况，如下图：
其中一个MongoDB物理节点的空间使用由两大块组成，分别为data_size和log_size,其中这里的data_size是数据磁盘使用空间(不包括local库)，主要包括collection打头的数据物理文件，index打头的索引物理文件，以及少部分元数据物理文件，比如WiredTiger.wt。
log_size包括local库的物理大小，mongodb运行日志大小，以及少部分的审计日志大小。
ins_size=data_size+log_size
详细分析
如果需要深入分析副本集中库或表的空间详细占用，除了MongoDB自带的db.stats()，db.$collection_name.stats()以外，我们推荐使用阿里云MongoDB控制台的提供的"CloudDBA-空间分析"，通过"CloudDBA-空间分析"，您可以实现以下目的
• 查看库表空间概览，日均增长量，预测可用天数。
• 查看异常库表空间使用。
• 详细业务表的空间使用，包括索引和数据逻辑大小，压缩率分析，平均行长等更多内容。
更多的CloudDBA-空间分析内容参考：https://help.aliyun.com/document_detail/162422.html
更多mongodb官方提供的分析命令详解参考：
• https://docs.mongodb.com/manual/reference/method/db.stats/
• https://docs.mongodb.com/manual/reference/method/db.collection.stats/
• https://docs.mongodb.com/manual/reference/method/db.collection.storageSize/
• https://docs.mongodb.com/manual/reference/method/db.collection.totalIndexSize/
• https://docs.mongodb.com/manual/reference/method/db.collection.totalSize/
分片集群
在分片集群的部署模式下，由于一个集群下可能存在多个Shard，没有整体空间使用率的概念。所以控制台不再提供"基本信息"中的空间使用率。
监控图分析
阿里云MongoDB的监控信息中详细提供了集群组建mongos路由节点，config server配置节点以及shard节点的空间使用率。不过通常来说，mongos和config server节点不会成为空间瓶颈，建议选择忽略，直接查看各个shard中各个角色的空间使用情况，如下图：
详细分析
分片集群的空间使用的详细查看方法与副本集模式略有不同，需要逐个登录各个shard通过命令查看，在每个分片上的空间使用情况详情就与副本集情况完全一样。
另外一方面，分片集群中的空间问题除了空间使用率以外，还存在非常大量的"各shard空间使用不均匀"问题，后者非常难以分析，目前CloudDBA暂不支持。本文后续章节会重点带您了解和深入分析“不同分片下空间使用不均衡”，“同一副本集下各个角色空间使用不均衡”。
空间问题的疑难杂症分析和解决方法
空间问题上涨概要分析和一般解决思路
当收到磁盘空间报警后，一般的分析和解决思路如下：

确认当前的空间使用值，确认当前空间使用中各个库表的详细占用情况。
确认引起空间增长的主要源头，比如是日志类增长，还是具体的某个业务表写入暴涨。
确认当前的增长是否符合预期，针对不符合预期的大量写入场景做应用分析。
确认当前的数据是否存在大量碎片，能否通过回收碎片的方式回收空间。
确认是否需要做磁盘空间扩容，或者部署定时历史数据删除或TTL Index。
历史数据大量删除完成，通过compact或者重做副本集的方式回收碎片空间。
compact方法和compact期间对实例的影响
compact 一个集合，会加集合所在DB的互斥写锁，会导致该DB上所有的读写请求都阻塞，因为 compact 执行的时间可能很长，跟集合的数据量相关，所以强烈建议在业务低峰期执行，避免影响业务。
compact方法很简单，建议优先在备库上执行，并通过主备切换的方式来减少compact期间对业务的影响，指令为db.runCommand({compact: “collectionName”})。
另外，MongoDB4.4以后的官方版本，Compact命令将不再阻塞业务读写，更多compact的命令的使用方法和限制参考：
• https://docs.mongodb.com/manual/reference/command/compact/
• https://mongoing.com/archives/26907
• https://help.aliyun.com/document_detail/96530.html
compact无效
如前文所述，在大量remove的场景下我们会需要使用compact来回收碎片空间。然而在极端场景下，compact操作虽然提示成功了，但实际上磁盘空间并没有回收，这应该算是一个BUG或者是MongoDB在compact设计上的缺陷，并不是只要存在碎片就一定能回收成功。compact的基本原理并不是立马开辟新的空间存放数据来替换原来的文件，而是将数据不断地往前面的空间空洞挪动，所以在某些场景下虽然存在空间空洞，但内部的compact算法并不能保证肯定可以复用这些空洞。针对这种compact失效的场景，如果纠结于空间使用，可以通过重建副本的方式解决。
还有一种场景，在MongoDB3.4以前的版本，compact或许还存在一个BUG：在大量删除数据后，compact无法回收索引文件，只对数据文件生效。这个可以通过使用命令db.$table_name.stats().indexSizes或者直接查看索引物理文件大小确认。针对这种情况，建议将内核版本升级至3.4以上。
journal log过大导致主备空间差距巨大
在极端情况下，journal log可能触发bug导致空间无限上涨，可以通过MongoDB运行日志查看到类似以下内容：
2019-08-25T09:45:16.867+0800 I NETWORK [thread1] Listener: accept() returns -1 Too many open files in system
2019-08-25T09:45:17.000+0800 I - [ftdc] Assertion: 13538:couldn’t open [/proc/55692/stat] Too many open files in system src/mongo/util/processinfo_linux.cpp 74
2019-08-25T09:45:17.002+0800 W FTDC [ftdc] Uncaught exception in ‘Location13538: couldn’t open [/proc/55692/stat] Too many open files in system’ in full-time diagnostic data capture subsystem. Shutting down the full-time diagnostic data capture subsystem.
该bug的触发条件为宿主机的open files达到设置上限，导致MongoDB内部的log server清理线程中断，4.0以前的官方版本均有该问题，如果有遇到您可以将内核版本升级到4.0以上，或者可以通过重启mongod进程临时解决，具体的bug链接参考：https://jira.mongodb.org/browse/WT-4083
备库延迟和增量备份可能导致Secondary日志空间持续增长
默认的官方MongoDB，oplog是一个固定集合，大小基本是固定的，主备之间的物理文件大小不会有太大差异。阿里云MongoDB出于oplog经常过期导致的节点recovering状态，开发了oplog自适应特性。也就是说，在极端场景出现主备延迟的情况下，实际oplog可以使用的大小不再受限于配置文件定义的固定集合大小，理论上可以达到用户申请磁盘容量的20%。这就造成了一个问题，当备库延迟恢复后，oplog之前占用的物理空间并不会回缩。
另外，处于备份和恢复效率的考虑，阿里云MongoDB使用物理备份的方式在Hidden备份mongodb实例，期间会涉及到大量的chepoint导致占用了更多的数据和日志空间。
针对以上场景，当空间占用量不是特别大的话通常建议直接忽略即可。也可以根据需要对oplog做单独的compact操作，compact期间会阻塞所有的写操作。方法如下：
db.grantRolesToUser(“root”, [{db: “local”, role: “dbAdmin”}])
use local
db.runCommand({ compact: “oplog.rs”, force: true })
不同分片之间的空间使用不均衡
sharding key类型选择不合理
在一个分片集群中，片键类型的选择至关重要，一般会使用hash分片或者ranged分片两种类型。通常情况下，在磁盘均衡度方面，hash分片的策略会比ranged好很多，因为根据不同的key值，MongoDB通过内部的哈希函数可以使得数据均匀地分布在不同地分片上，如下图所示：
而range分片一般是根据key的大小范围进行数据分布，所以往往会造成这样的一个现象：新插入的数据在一个热点的chunk上，不但会引起该chunk所在的shard磁盘IO过高，也会带来短期数据不均匀的场景。如下图所示，所有的数据写入chunk C所在分片，当chunk C写满以后会在本分片中split出新的chunk，后续通过集群负载均衡器Balancer迁移chunk，但这个迁移需要耗费大量的时间和IO,在一个高并发写入的场景下，数据的负载均衡速度可能跟不上数据写入速度，从而造成分片之间数据容量不均的问题。在这种使用场景下，不建议使用range分片策略。
更多的Sharding Key类型介绍参考：
• https://docs.mongodb.com/manual/core/sharding-shard-key/
• https://docs.mongodb.com/manual/core/hashed-sharding/
• https://docs.mongodb.com/manual/core/ranged-sharding/
sharding key字段选择不合理
通过sh.status()可以看到各个分片上的chunk数量基本一致，但实际上绝大部分数据都只存在部分chunk上，导致这些热点chunk所在的分片数据量远大于其他分片，通过查看MongoDB运行日志可以查看到明显的告警信息：
2019-08-27T13:31:22.076+0800 W SHARDING [conn12681919] possible low cardinality key detected in superHotItemPool.haodanku_all - key is { batch: “201908260000” }
2019-08-27T13:31:22.076+0800 W SHARDING [conn12681919] possible low cardinality key detected in superHotItemPool.haodanku_all - key is { batch: “201908260200” }
2019-08-27T13:31:22.076+0800 W SHARDING [conn12681919] possible low cardinality key detected in superHotItemPool.haodanku_all - key is { batch: “201908260230” }
mongos负载均衡主要考虑的是各个shard的chunk数量保持相当，就认为数据是均衡的，所以就会出现以上的极端场景：虽然各个shard数量相当，但实际数据严重倾斜。因为一个chunk内shardKey几乎完全相同但又触发到64M的chunk分裂阈值，这时就会分裂出一个空的chunk。久而久之，虽然chunk的数量变多了并且完成了chunk的迁移，但实际上迁移走的chunk都是空的chunk，造成了chunk数量均衡但实际数据不均衡的情况。(这应该是Balancer在迁移chunk时基于代价的考虑，认为空chunk迁移代价更低，所以优先选了空的chunk迁移)
更多split的介绍参考：
• https://docs.mongodb.com/manual/core/sharding-data-partitioning/
• https://docs.mongodb.com/manual/tutorial/split-chunks-in-sharded-cluster/
针对这种情况，只能在架构上重新设计，选择合适的区分度较高的列作为sharding key。
部分db未做sharding
MongoDB分片集群允许部分db做sharding，部分db不做shading。那么必然会带来这样的一个问题：不做shading的db的数据必然只能存在一个分片上，如果该db数据量很大，可能会造成该分片的数据量远大于其他分片。
除了上述情况，比较容易引起该问题的使用场景通常是因为从一个源端mongos集群导入到一个新的mongos集群，而逻辑导入过程中忽略了一步：实现在目标端mongos集群做好sharding设计，因为逻辑导入并不会自动做sharding设计，这一步需要事先做好。
针对这种问题，我们建议：
• 如果是因为目标集群初始化导入，导入之前做好分片设计。
• 如果不做sharding的库很多且数据量基本相当，Mongos提供有movePriamy命令将指定db迁移到指定分片。
• 如果存在某个db的数据量极大且未做sharding，建议对其做sharding设计或者将其拆分出来当作单一的副本集对待。
• 即使出现这种情况，如果磁盘总量足够充裕，建议忽略。
大规模的movechunk操作可能引起分片的磁盘占用不均
movechunk的本质是向目标端shard写入数据后remove源端数据。默认情况下，remove操作不会释放空间，因为针对wiredTiger引擎来说每个表都有独立的数据文件和索引文件，如果该文件不删除，总的磁盘空间就不可能回缩。通常最容易引起该问题的操作为：之前的sharding集群中未做shard设计，运行一段时间后才做了Sharding。
从原理上说movechunk引起的空间碎片和大规模delete一样，因此针对出现大量movechunk或者remove文档的情况，可以针对该分片进行compact操作来回收碎片空间，正常情况下compact后数据会进行重组进而回收文件的碎片空间。
更多movechunk的介绍参考：
• https://docs.mongodb.com/manual/tutorial/migrate-chunks-in-sharded-cluster/
• https://docs.mongodb.com/manual/tutorial/manage-sharded-cluster-balancer/
阿里云MongoDB产品在空间使用优化上的规划
计算存储分离
当前的阿里云MongoDB单个物理节点最大支持的存储空间是3T，如果单实例或副本集模式下的节点数据量超过3T就必须业务拆分或者升级至分片集群，而且规格扩容涉及到数据迁移会导致耗时较长。
阿里云MongoDB在副本集部署模式下即将支持云盘以实现计算存储分离。在云盘存储下，单个节点的数据存储上限将达到数十T，以及云原生架构带来的分钟级扩容能力。
ECS快照备份
在高版本的阿里云MongoDB实例中，由于oplog多线程回放技术的越发成熟，基本上不会再有备库延迟问题，所以阿里云MongoDB内核层面不再对oplog做定制化改造，与官方的"固定集合"形态保持一致，备库延迟引起的oplog放大问题通过升级至最新版内核即可得到解决。
另外，当前阿里云MongoDB正在研发采用ECS快照技术备份MongoDB实例，当故障发生时可绕过耗时的OSS物理备份下载，达到分钟级的恢复能力。并且使用ECS快照备份后，传统物理备份方式可能导致Hidden节点空间上涨的问题也会得到解决。
Compact指令的内核改造优化
MongoDB4.4的Compact指令并不会阻塞读写，阿里云MongoDB在内核层面将该patch移植至云数据库 MongoDB 3.4及以上版本，通过DAS控制台点击的方式实现空间碎片整理的产品化。

MongoDB 空间使用相关推荐

mongodb空间查询之查询单位
1.建立空间索引 db.collection.ensureIndex({'geom.coordinates':'2d'}) 2.空间查询这里遇到的问题是查询的时候会涉及到范围,那么这个范围的单位是什 ...
Java监控MongoDB空间使用量、连接数
最近在做一个Java开发的监控系统,里面有一个模块是监控MongoDB的.看到网络上比较少这块资料,特记录如下: 1.下载MongoDB的Java驱动包 mongo-java-driver-3.1.1 ...
mongodb空间查询java,java查看mongodb集合表空间大小
话不多说先粘代码: MongoDatabase db = mongoTemplate.getDb(); Document collStats = db.runCommand(new Document( ...
mongodb java连接数_Java监控MongoDB空间使用量、连接数
获取到的数据如下: { "serverUsed": "172.1.1.3:15080", "db": "monitor" ...
MongoDB负载信息一目了然阿里云HDM重磅发布MongoDB监控和诊断功
混合云数据库管理(HDM)的统一监控.告警.诊断功能新增了对MongoDB的支持. 通过直观的方式将MongoDB多个维度的负载信息统一整合,不仅可以清晰的查看实时负载信息,也可以方便的确认历史负载情 ...
mongoDB之ObjectId
mongoDB之ObjectId 一.ObjectId介绍我们在使用mongodb插入数据时,每个document中必须有一个_id字段,且可以是任意类型,但如果没有单独设置_id字段,mo ...
解决MongoDB 日志文件过大，清理后还占用很大磁盘空间的问题
解决MongoDB 日志文件过大,清理后还占用很大磁盘空间的问题参考文章: (1)解决MongoDB 日志文件过大,清理后还占用很大磁盘空间的问题 (2)https://www.cnblogs.co ...
mongoDB 删除集合后，空间不释放的解决方法
mongoDB 删除集合后,空间不释放的解决方法参考文章: (1)mongoDB 删除集合后,空间不释放的解决方法 (2)https://www.cnblogs.com/ddbear/p/71116 ...
mongodb 查看数据库和空间大小
mongodb 查看数据库和空间大小单位是M db.stats(1048576); 单位是G db.stats(1073741824); posted on 2019-02-22 17:36 luo ...

MongoDB 空间使用

MongoDB 空间使用相关推荐

最新文章

热门文章