Devops必须留意的Mongo副本集Resync的坑

Devops一般很少时间会花在数据库的部署上，只有到了不得不去考虑的情况下，才会去考虑如何调整数据库，以适应业务的发展。mongodb本身 就很适合Devops，大部分情况下，部署基本按照说明操作一下即可。但实际操作起来，其实还有会有一些坑，比如Resync。

正常同步和oplog

mongo副本集，在正常工作的情况下，是以一种不断的、异步的方式进行同步。每个副本都会不断的记录自己进行的操作进入到oplog表 里；Secondary副本就会不断的从Primary副本那里同步最新的操作，从而完成整个副本集的同步。当然Secondary的副本也可以选择从其 他的Secondary副本同步，因为每个副本都会记录oplog。详细的描述可以参考官方文档Replica Set Data Synchronization。

Oplog是 一个特殊的固定大小的collection，固定大小意味着，新的操作记录的写入会导致最老的操作记录的删除，以保证oplog的大小。这个值如果不去设 置，mongo会自动根据硬盘大小的5%来设定。大部分情况下没有什么问题，但有一个非常重要的设(da)定(keng)：

oplog一旦大小固定，那么只能通过重启+配置来进行修改

为什么这会是一个坑，后面会继续讨论。

同步延迟lag和optime

副本集之间一般通过网络连接，副本集之间的性能也有可能有差异（当然最好不要有），所以同步操作有可能出现毫秒级别的延迟，甚至到1s以上，这个可以通过在任意一个副本集上执行

rs.status()

来查看所有副本集的同步状态。这个打印出的各个副本的optime，就是这个副本最后一条操作执行的时间，Secondary和Primary之间optime的时间差，其实就是同步延迟。

同步延迟一般情况下，顶多也就一两秒，但是一些异常情况，例如宕机、长时间过载overload，可能会导致这个时间越来越长。这里，我们的oplog的巨大作用就显现出来了！

Secondary和Primary之间的同步差，最大不能超过Primary的oplog能存储的条数

注意！因为Secondary是从Primary同步oplog，所以，这里只与Primary的oplog大小有关，与Secondary自身记录的oplog无关！当然，如果Secondary是从其他的Secondary同步数据，那么至于同步目标的oplog有关。

为了帮助用户直观的理解oplog里面存储了多少条操作，mongo还额外提供了两个数据：

1. tFirst 第一条oplog的时间

2. tLast 最后一条oplog的时间

这两个数据，可以通过在primary上执行：

db.getReplicationInfo()

获得。tLast - tFirst就是mongo同步机制所允许你进行停机同步数据的最大时间，当然这个时间不是固定的，如果当前的负载很低，相当于相同的oplog表可以存更长时间内的操作数据，就会给你留更多的停机操作时间。

上图中，Secondary落后于Primary，也就是说，同步延迟有10分钟(两个optime相减)，但此时，Primary上存有最近20分钟的oplog，那么Secondary通过获取这些oplog，仍然能够在短时间内赶上Primary的进度。

但是，一旦optime的差距超出了Primary的tFirst，情况就不妙了，如下图：

此时，自动的同步已经无法完成同步了(stale)，必须执行手动操作Resync。而且Secondary已经降级为Recovering，将无法接受请求，以及不能变成master。

Resync机制

Resync机制官网有详细的介绍，基本思路就是把数据拷贝过来，再进行上面的oplog的同步。例如：

1. 使用磁盘快照，把快照的数据库文件直接覆盖到Secondary上，重启Secondary

2. 使用Initial Sync，把Secondary的数据清空，让mongo自动从0开始，重新同步所有数据

磁盘快照看起来很美好，但是是mongo的数据存储是分配后就不返回的，也就是说实际占用的磁盘空间要比真实数据的大小要大，使用操作系统的scp 也好rsync也好，这些无用的空间也会被复制，耽误复制的时间。除此之外，建立快照本身也需要耗时，反正在阿里云上建快照并不快，200G的数据大约要 1小时多。

而Initial Sync是mongo之间拷贝表数据，拷贝完了就地重建索引，所以相当于只传输了真实的表数据，连索引数据都不用传输，从整体的复制时间来看更加节省，但是会对拷贝对象Primary有一些性能影响，但毕竟只是读，而且不需要Primary停机。

Resync的大坑

无论使用上面的哪种Resync机制，思路都是一致的，通过某种快速的方式同步更多的数据，然后剩下的使用oplog弥补在执行操作时的新操作。看起来很美好，而实际的执行过程中，如果操作的时间，要大于oplog所记录的时间，怎么办？将永远无法不停机Resync成功！

这里Initial Sync为什么也不能成功呢？其实在Initial Sync的日志中，就可以看出来，在STATUP2的 状态，就是一张表一张表的拷数据，也就是说，就算拷贝过程中的数据已经同步过去了，当拷贝下一张表时，上一张表的数据其实已经过期了。而当数据量很大的情 况下（其实不需要太大，几百G），整个拷贝过程也要持续数小时，此时如果oplog的记录时间低于STARTUP2所需要花费的时间，恭喜你，你中奖了。

当然，如果你能有一台正常同步数据的Secondary，新的机器指向这台也是可以的，但是你的架构是一台Arbiter一台Primary一台Secondary的话……就没办法了，只能指望Primary了。别问我为什么知道，我就是知道。（╯‵□′）╯︵┴─┴

遇到这种情况怎么办？

1. 半夜Primary停机，同步数据。这对于DBA也都不奇怪，只是在用了mongo集群后没享受到mongo的便利。当然，到了半夜负载下降，相当于oplog允许的操作时间变长了，也许不用停机。

2. 如果有很多冗余数据、日志数据什么的，可以删除，从而降低Initial Sync花费的时间，那也是很值得尝试的！

坑的真正原因

上面的坑，其实主要是在于oplog的值相对于数据量过小的时候会出现。一般默认情况下，oplog取磁盘大小的5%似乎没太大问题。坑在哪呢？

1. 磁盘扩容

2. 高负载

一开始我就提到，oplog的存储大小一旦确定是不会改的，也就是说，一旦随着业务的发展，进行了磁盘扩容，或者移动到了一块更大的硬盘上，oplog的大小不会随之改变！

一旦两件巧合的事情遇到了一起：磁盘曾经扩容且没有额外考虑oplog；需要新增副本或者副本stale了；此时正常的机器只有一台Primary；就会变成一件解决起来不那么轻松的事情了。

而高负载也是潜在的另外一个可能，由于负载过高，虽然oplog存储很大，但是实际上oplog所支持的停机操作时间变少了，此时也会遇到相同的情况。

防坑指南

总结一下，在用mongo副本集群的时候，随着数据的增长、磁盘的扩容，一方面在考虑sharding的同时，一定要注意当前的oplog存储是否够用，提前为下一次部署策略更换准备好，给下一次的操作留够时间。特别是Devops，平时没时间管的，一定要未雨绸缪呀。