DAY20 MongoDB Oplog 玩壞它

13th鐵人賽 mongodb oplog 教學

阿派

2021-09-20 21:45:17

1783 瀏覽

分享至

DAY20 MongoDB Oplog 玩壞它

把手弄髒，親眼於本機見證節點同步跟不上

本篇的目的就是要在本機端大量寫入資量，讓次節點的更新開始跟不上主節點，藉由這樣教你如何觀察這個現象以及處裡。

step1 建立 replica set

請直接參考這篇之前文章，在 local 啟動一組 MongoDB replica set，並直接連上 primary。

step1 寫入大量資料

準備了這個 script，大量寫入資料進資料庫中。
mongo --host localhost --port 27668 < test-data-script.js

27668 是你的 primary node port
test-data-script.js 是腳本檔案名稱

use ith2021;

var TestDataCreator = {
    template: function () {
        return {
            "FieldA" : NumberDecimal("10"),
            "FieldB" : NumberDecimal("10"),
            "FieldC" : NumberDecimal("10"),
            "FieldD" : NumberDecimal("10")
        };
    },

    insertTestData: function () {
        let that = this;
        let batchSize = 10000;
        let totalBatch = 100000;

        for (let otrItr = 0 ; otrItr < totalBatch ; otrItr++) {

            let models = [];
            for (let itr = 0 ; itr < batchSize ; itr++) {
                let model = {};
                model.insertOne = {};
                model.insertOne.document = that.template();
                models.push(model);
            }

            db.getCollection('test-data').bulkWrite(models, {ordered: false});
            print(new Date() + " inserted batch ***");
        }
        print(new Date() + "insert " + totalBatch + " batches all done ***");

    },

    start: function () {
        this.insertTestData();
    }
};

TestDataCreator.start();

step2 發動毀滅性語法

先準備好幾個 terminal 視窗，分別連上各個節點。

隨著資料量的增長，可以看到 oplog 偶有點小小延誤

ith2021-rs [direct: primary] ith2021> rs.printSecondaryReplicationInfo()
source: mongo_node1:27666
{
  syncedTo: 'Sun Sep 12 2021 22:07:46 GMT+0800 (台北標準時間)',
  replLag: '-2 secs (0 hrs) behind the primary '
}
---
source: mongo_node2:27667
{
  syncedTo: 'Sun Sep 12 2021 22:07:46 GMT+0800 (台北標準時間)',
  replLag: '-2 secs (0 hrs) behind the primary '
}

好像很可以，資料落差還在 5 秒內，這時只要去更改大量資料，就會產生大量差異。`

db.getCollection('test-data-2021-06-28').updateMany({"FieldA":10}, {$set:{"FieldA":"10-u"}})

step3 資料同步開始脫勾了

陸續下了幾個指令查看次節點資訊，我們看看發生什麼事情

test-RS:PRIMARY> db.printSlaveReplicationInfo()
source: test-rs-mongo2:27018
	syncedTo: Mon Jun 28 2021 00:51:18 GMT+0800 (CST)
	13 secs (0 hrs) behind the primary
source: test-rs-mongo3:27019
	syncedTo: Mon Jun 28 2021 00:51:17 GMT+0800 (CST)
	14 secs (0 hrs) behind the primary

test-RS:PRIMARY> db.printSlaveReplicationInfo()
source: test-rs-mongo2:27018
	syncedTo: Mon Jun 28 2021 00:51:46 GMT+0800 (CST)
	27 secs (0.01 hrs) behind the primary
source: test-rs-mongo3:27019
	syncedTo: Mon Jun 28 2021 00:51:41 GMT+0800 (CST)
	32 secs (0.01 hrs) behind the primary

test-RS:PRIMARY> db.printSlaveReplicationInfo()
source: test-rs-mongo2:27018
	syncedTo: Mon Jun 28 2021 00:56:11 GMT+0800 (CST)
	167 secs (0.05 hrs) behind the primary
source: test-rs-mongo3:27019
	syncedTo: Mon Jun 28 2021 00:56:20 GMT+0800 (CST)
	158 secs (0.04 hrs) behind the primary

這時我們看看主節點的資訊

test-RS:PRIMARY> db.printReplicationInfo()
configured oplog size:   990MB
log length start to end: 305secs (0.08hrs)
oplog first event time:  Mon Jun 28 2021 00:54:03 GMT+0800 (CST)
oplog last event time:   Mon Jun 28 2021 00:59:08 GMT+0800 (CST)
now:                     Mon Jun 28 2021 00:59:15 GMT+0800 (CST)

可以看到主節點還是不斷得在寫入新的資料，但是次節點的同步已經來到落後一百多秒了，再下去就會讓 oplog 滿出來，接著觸發 full resync，讓次節點失效。

其實就是透過這樣的方式實驗，在大流量時很容易就把同步機制弄到掛掉。

這邊要特別解釋一下關於 step3，我無意欺騙大家，step3 的內容是我在幾個月前在本機電腦跑出來的結果。

而幾個月後的現在，我改用 5版的 MongoDB 卻跑不出來了，用的步驟和手法是一模一樣的，暫時認為 MongoDB 在 Oplog 機制改善了不少，所以整體來說應該是件好事啦XD。

在測試過程中，資料量上到一千五百萬左右，還是有遇到某個節點直接崩潰的情形。

解決方案

其實說穿了目前的快速解決方案就是兩個，長期下來我還是認為治標不治本。MongoDB 資料同步這一塊在網路上很多人都會遇到，應該說只要把產品上線，資料量大一點就馬上會體會到，最常聽到的莫過於兩個人同時使用系統，但是查詢結果不同。

一般來說使用 replica set，主要目的也是讀寫分離，讓收資料端能夠發揮最大效益，而查詢面，只要不是最即時的需求，都會放到次節點去讀取。

oplog 剩餘的時間，代表的是 觸發全同步的剩餘時間，意思是你的次節點會停止服務，接著進行同步，直到全部與主節點同步為止。但這件事背後的隱憂是，就是因為資料來不及同步，才會觸發，那現在次節點無法服務，又同時在進行 full resync，會跟得上嗎？這有待商榷，但是可以確定的是主節點壓力又更重了，這可能會導致雪崩式的中斷服務，因此這問題一定都需要即時監控的。

目前來看，如果不想要自己寫服務接收指令回傳的資訊，大概都是要使用雲端收費服務才能有圖表監控功能了。

根除問題

以商業邏輯角度，確認是否需要對 DB 進行這麼大量的操作
這些操作是否可以分散到離峰時間進行
replace 是否可以改用 update 特定欄位即可(replace對主節點更新速度最快，比 update 快到約 30%，所以請衡量使用情境)
TTL很好用，但它也是對 DB 進行 Delete，大資料量同時觸發 TTL，也是一個負擔。
花更多錢，將高頻、併發的需求放在第一組 replica set，而查詢或統計類型的資料放在第二組 replica set，以更緩慢的方是進行寫入/同步，以減輕其壓力。

特效藥，花錢

網路上看到的解決方法多半都只有這兩個：

加大 oplog size，這個做法就是用空間換時間，爭取延長尖峰期觸發 full resync 的時間。
加大 replWriterThreadCount，提高次節點存取 thread 數。預設值是 16。這樣做代價就是記憶體使用率也會拉高。(這個項目在 MongoDB Atlas 似乎沒有辦法設定，但是5版的速度提升後，可能也不用改了)

本系列文章會同步發表於我個人的部落格 Pie Note