1.检查Replica Set的状态

使用db.runCommand({"replSetGetStatus" : 1});或者rs.status();


2.检查复制延迟时间

source:   m1.example.net:30001
    syncedTo: Tue Oct 02 2012 11:33:40 GMT-0400 (EDT)
        = 7475 secs ago (2.08hrs)source:   m2.example.net:30002
    syncedTo: Tue Oct 02 2012 11:33:40 GMT-0400 (EDT)
        = 7475 secs ago (2.08hrs)

复制延迟的可能原因有：

网络延迟

     可以使用ping和traceroute命令探测网络状况

磁盘吞吐量

     如果Secondary的磁盘不能像Primary的磁盘那样快速将数据刷新到磁盘上，将不能和Primary保持同步更新。可以使用iostat或者vmstat检查磁盘使用状况


并发量

     在某些情况下，如果Primary上长期有操作，那么可能会阻断Secondary的复制操作。可以考虑write concern 。再则就是查看是否有慢查询。

Appropriate Write Concern        

  • Replica Acknowledge Write Concern

  • Replica Set Write Concern



3.所有成员间的连接测试

 Replica Set之间的成员需要能够相互连通，检查防火墙设置。


4.重启多个Secondar的Socket Exceptions问题

当重启Replica Set中的多个成员时，确保可以选出一个Primary。如果在维护的过程中程序出现socket连接错误，可以检查TCP的keepalive设置。

cat /proc/sys/net/ipv4/tcp_keepalive_time

Linux下默认设置tcp_keepalive_time为7200秒，即两个小时。可以将所有的MongoDB实例所在的服务器的这个值设置成300秒。

echo 300 > /proc/sys/net/ipv4/tcp_keepalive_time

这种设置重启后将消失，需要重新修改。可以直接修改/etc/sysctl.conf然后执行sysctl -p



5.检查Oplog的大小

oplog越大，能够接受得延迟就越大。

使用db.printReplicationInfo();查看oplog的大小

 db.printReplicationInfo();
configured oplog size:   50278.6203125MB
log length start to end: 143109secs (39.75hrs)
oplog first event time:  Wed Mar 18 2015 00:36:53 GMT+0800 (CST)
oplog last event time:   Thu Mar 19 2015 16:22:02 GMT+0800 (CST)
now:                     Thu Mar 19 2015 17:32:42 GMT+0800 (CST)

如果重新设置oplog的大小需要将所有的成员都设置成为大小一样


6.Oplog Entry Timestamp Error

如果日志中出现如下报错

replSet error fatal couldn't query the local local.oplog.rs collection.  Terminating mongod after 30 seconds.
 [rsStart] bad replSet oplog entry?



参考资料：

http://docs.mongodb.org/v2.4/tutorial/troubleshoot-replica-sets/

http://john88wang.blog.51cto.com/2165294/1564543

http://docs.mongodb.org/v2.4/faq/diagnostics/#faq-keepalive