MongoDB升級后CPU負載升高的原因和解決方法

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，集群節點的 CPU 的負載升高了很多（10% -> 40%）, 除了版本的升級，項目邏輯和操作量均無變化。關閉 Balancer 以后 CPU 負載回歸正常，穩定在 10% 以下。為此，只能經常關閉當前正在寫入表的 balancer , 每周二打開 balancer 開啟均衡，在此期間節點的 CPU 負載持續穩定在 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 負載較大變化的背后是什么原因呢？

監控與日志

首先可以明確，升級以后 CPU 負載升高和 balancer 遷移數據有關。觀察升級以后 4.0 版本，周二打開 balancer 期間的負載情況和 mongostat 結果：

可以發現，CPU 負載升高和 delete 數據的情況很吻合。而遷移數據數據之后源節點需要刪除遷移走的數據，所以肯定有大量的 delete 。遷移數據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 })

所以從監控和日志判斷， CPU 負載較高主要是因為遷移數據之后的刪除導致。而且集群的表都是 {_id : hashed} 分片類型的表，數據量較大，但是每條數據較小，平均每個 chunk 10w+ 的文檔數，刪除數據速度約 200-300/s ，所以移動一個 chunk 導致的刪除就會持續 10 分鐘左右。

統計最近2個周期，開啟 balancer 以后 moveChunk 的情況：

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

關閉表的 balancer 可以解決升級之后負載升高的問題，但是竟然是為何升級到 4.0 之后 CPU 負載較高, 而 3.2 版本穩定在低位呢？這只有可能是一個原因：4.0 版本更頻繁的發生 moveChunk, 持續的刪除數據導致 CPU 負載一直較高；3.2 版本較少的發生 moveChunk，不用刪除數據所以負載很低。

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

當通過 mongos 發生插入和更新刪除操作時，mongos 會估算對應 chunks 的數據量的大小，滿足條件會觸發splitChunk 的操作，splitChunk 之后可能會導致集群的 chunk 分布不均勻。balancer 檢測數據的分布情況，當數據分配不均勻時，發起 moveChunk 任務，將數據從 chunks 較多的分片遷移到 chunks 較少的分片，遷移之后源節點會異步刪除遷移走的 chunk 數據。

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

splitChunk

split chunks 一般是在插入、更新、刪除數據時，由 mongos 發出到分片的 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 真正的數據量，是利用一個簡單的估算算法判斷的。

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

• 之后 chunk 內數據，每次 update/insert 操作時，chunkSize = chunkSize + docSize；

• 當 chunkSize > maxChunkSize/5 時，觸發一次可能 split chunk 的操作； 到 分片mongod 執行 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 splitChunk。

也就是說，splitChunk 操作有滯后性，即使數據分布均衡，也有可能 splitChunk 執行時間的差異導致 chunks 分布存在中間的不均勻狀態，導致大量的 moveChunk 。

balancer

無論 3.2 還是 4.0 的 balancer ，默認的檢測周期為 10s , 如果發生了 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組中；

• 對每個集合從 config.chunks 讀取 chunks 的信息；

• 含有最多 chunks 數量 （maxChunksNum）的分片為源分片，含有最少 chunks 數量(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，需要遷移，源分片的 chunks 第一個 chunk 為待遷移的 chunk ，構造一個遷移任務（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 ; 而且構造遷移任務時，如果某個集合含有最多數量的分片或者最少數量 chunks 的分片，已經屬于某一個遷移任務，那么此集合本輪 balancer 不會發生遷移。最后，本次檢測出的遷移任務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，當有多個集合的數據需要均衡時，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 認為是均衡的，不會發生遷移。

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


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

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 的時候不會發生遷移，因為判斷遷移時，還有一個指標：平均每個分片的最大 ch
unks 數量，只有當 chunks 數量大于這個值的時候才會發生遷移。
const size_t idealNumberOfChunksPerShardForTag = (totalNumberOfChunksWithTag / totalNumberOfShardsWithTag) + (totalNumberOfChunksWithTag % totalNumberOfShardsWithTag ? 1 : 0);

關于此閾值，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變化了，但是文檔并沒有更新。

moveChunk

moveChunk 是一個比較復雜的動作, 大致過程如下：

目的分片，首先要刪除要移動的 chunk 的數據。所以會有一個刪除任務。

可以在 config.settings 設置 _secondaryThrottle 和 waitForDelete 設置 moveChunk 過程中 插入數據和刪除數據的 write concern

• _secondaryThrottle: true 表示 balancer 插入數據時，至少等待一個 secondary 節點回復；false 表示不等待寫到 secondary 節點； 也可以直接設置為 write concern ，則遷移時使用這個 write concern . 3.2 版本默認 true, 3.4 開始版本默認 false；

• waitForDelete: 遷移一個 chunk 數據以后，是否同步等待數據刪除完畢；默認為 false , 由一個單獨的線程異步刪除孤兒數據。

設置方式如下：

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

3.2 版本 _secondaryThrottle 默認 true, 3.4 開始版本默認 false，所以 3 .2 版本和4.0 版本 moveChunk 遷移數據時，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 (Parameter) 調整插入數據的速度：

• migrateCloneInsertionBatchDelayMS: 遷移數據時，每次插入的間隔，默認 0 不等待。

• migrateCloneInsertionBatchSize: 遷移數據時，每次插入的數量，默認為 0 無限制。

設置方式如下：

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

異步刪除數據線程

3.2 和 4.0 版本的異步刪除線程具體實現略有不同，但是，根本過程還是一致的，用一個隊列保存需要刪除的 range, 循環的取隊列的數據刪除數據。所以異步刪除數據線程是按照 chunk 進入隊列的順序，逐個刪除。總入口：

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行清理任務

4.0 版本在刪除數據時，按批刪除數據，每次刪除數量計算方式如下：

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


有較多的參數可以靈活的控制刪除速度，默認情況下，900s 以后開始清理 chunks 的數據，每次清理 128 個文檔，每隔 20ms 刪除一次。具體通過以下參數設置：

• rangeDeleterBatchDelayMS: 刪除每個 chunk 數據的時候分批次刪除，每批之間間隔的時間，單位 ms，默認 20ms；

• internalQueryExecYieldIterations: 默認為 128；

• rangeDeleterBatchSize：每次刪除數據的數量，默認即為0；為0時 ，則每次刪除的數量為max(internalQueryExecYieldIterations，1)，

• orphanCleanupDelaySecs: moveChunk 以后延遲刪除數據的時間，單位 s ，默認 900 s