一、数据增长情况

每月增长量最大达到了1.9亿，每天增长约300W-500W

二、遇到的情况及解决方法

数据量过大，并且都集中在一个表，所以此表数据插入变慢。表索引越多越明显，

优化处理方法：

• 优化索引，以前的startTime日期字段索引，修改为客户端用日期生成ObjectId,再用_id 来进行查找。
• TraceId 字段（一个TraceId 对应多条记录）计划也删除，后面再用ES 系统先查询到_id 后，再从mongoDB 进行查找。

原因分析：

• 当表数据增长到千万级后，内存数据中的索引数据增加，内存越来越不够用，需要刷新脏数据增多，mongostat 分析的 dirty % > 3,后从16G 内存升级到32G 内存后，情况稍有好转。

数据量过大后，从节点时尔出现CPU load 负载过高，从节点尤其明显。

在把表重命名，新数据插入到新表处理后：

` db.TraceLogs.renameCollection("TraceLogs_bak170210");` （新数据插入时，会自动生成表TraceLogs）

历史数据表统计信息

Log:PRIMARY> db.TraceLogs_bak170210.stats() { "ns" : "RavenLogs.TraceLogs_bak170210", "count" : 384453917, "size" : 865594958942, "avgObjSize" : 2251, "storageSize" : 444,613,255,168, ..... "nindexes" : 2, "totalIndexSize" : 15275057152, "indexSizes" : { "_id_" : 3,973,029,888, "TraceId_1" : 11,302,027,264 }, "ok" : 1 }

从此统计信息中可以看到：

表存储大小： 444G, 索引 _id_ 3.9G, TraceId_1 大小：11G

再次查看数据库性能

从以前的：

load average: > 5.47, 5.47, 5.47

降到了：

load average: 0.88, 1.34, 1.69

(主从节点，皆已下降)

在做历史数据迁移期间，又升到了> 8 并且时频繁出现。

完成数据迁移后，回落到 2 < load avg< : 4 之间 （升级到MongoDB3.4 之后）

原因分析：

个人认为，主因还是因为内存不够。索引+热数据远远超过了16G的MongoDB使用内存。从而导致大量的IO，相对的CPU load 也上去了。

在把原大表TraceLogs 改名后（TraceLogs_bak170210），大量的热块数据已被清除出内存，

3.此前数据库从节点内存升级后（16G --> 32G)，参数配置不当，节点实例当机情况：

wiredTiger:

engineConfig:

cacheSizeGB: 28 (限制mongoDB 使用内存最大值)

后调整为默认值

`#cacheSizeGB: 28` (限制mongoDB 使用内存最大值)，默认值为50% mongoDB实例恢复正常，但CPU load 也一直居高不下。

原因分析：

系统使用内存太少，可能是磁盘缓存过低，而无法读写数据，但在mongoDB 日志中，无法找到原因。只是看到实例被关闭。

4. 因为oplog 同步表最大设置值(oplogSizeMB)为50G, 但50G 只能保存52h 的数量变化量。

想添加新的从节点时，当同步完成数据后，已过了oplog 的窗口期.

oplogSizeMB的大小要大于数据同步完成+索引建立完成的时间段内生成的数据量,

当同步完成后，从节点从主节点读oplog表的数据，发现最小的同步时间，已大于从节点中同步开始时的时间了，这就是窗口期已过期）

数据量大后，重新创建索引的时间特别惊人，一个索引需要10多个小时。

500G 存储量，总共需要3天左右的数据完成节点的数据同步及索引创建。

后面计划在添加节点前，做以下调整：

• 把数据库升级到3.4 版本，此版本在新节点数据同步，创建索引上，号称已有很大的改善。
• 删除能够优化的索引，如果索引无法优化，也可以考虑先把某个索引删除，节点完成后，再重新建立

经验总结：

1. 索引的优化，尽可能的发挥主键索引的功能，比如上面说到的，使用日期范围自己生成_id 范围，用_id字段进行查询，能不建立索引，就不建立。在大增长的表中，极其重要。
2. 数据库服务器的内存配置上，内存>索引大小，或者是配置到 内存>=索引大小+热数据大小 还是有必要的。
3. 数据库服务器的磁盘配置上，如果是云服务器，尽量采用高效云盘。使用EXT4,或者使用NFS 格式也是有必要的。
4. 如果一个库有多个表的数据达到亿级时，可能也是考虑使用分片集群的时候，特别是如果此表是做为主业务 数据库的情况。

mongoDB 从单节点迁移到分布式集群 遇到的问题：

1.linux 环境下limit 的设置问题： 错误： $ ps -ef|grep mongod -bash: fork: retry: 资源暂时不可用 -bash: fork: retry: 资源暂时不可用 ^C-bash: fork: retry: 资源暂时不可用 -bash: fork: retry: 资源暂时不可用 -bash: fork: 资源暂时不可用 原因： linux 默认用户打开文件数为1024，进程数也是1024； 所以当客户端连接超过了，就出错了。 解决方法：重新设置ulimit ，以解决mongod 自动关闭。 修改文件： /etc/security/limits.conf 比如添加以下内容： mongo soft nproc 30000 mongo hard nproc 65536 mongo soft nofile 30000 mongo hard nofile 65536 2.mongodump不能先锁表。 db.fsyncLock() #锁住表 mongodump db.fsyncUnLock() #解锁 以上方法 mongodump 无法运行，也无法备份数据（停住了） 这个是我突然想当然的，试试是否在备份时也可以先锁住表，不让客户端写操作。就出这问题了。 3.数据备份请请确认索引是否有与分片索引相同，有相同的，先删除索引后，再备份： 在导入数据时，看到有一个表原先有两个字段的复合索引， 在选择片键时，也是这两个字段做的片键，数据导入时，提示索引无法更新，出错。 解决方法：删除原索引，或是修改片键值。 4.Hash索引时对key进行hash计算然后创建索引，目前只支持等号运行，不支持区间 使用了HASH 片键后，查询/更新，不能使用 in, $gte $lte 之类的条件。 所以如果你客户端有太多的代码是使用了 in, $gte $lte 之类的查询条件，那要 权衡一下了。你的片键选择是否得当，或是修改代码。 5.当更新单个文档如果不指定片键，会出以下错误： does not contain shard key for pattern { user_id: 1.0, cookie: 1.0 }' MongoDB更新操作无法确定更新到具体的某个分片上，所以出错， 指定片键后，更新操作只会路由到某一个分片上。 但如果你是更新多条记录，路由会更新到所有分片上。 6.最大连接数问题 mongodb 默认最大连接数为928，如果你没有指定，到了这个数时，mongos，或是mongodb进程 会自动关闭，如果查看日志也无法确认是什么原因mongod 服务器突然自动关闭了，那可以查查 当前连接数是多少， mongos> db.serverStatus().connections; { "current" : 1240, "available" : 22760, "totalCreated" : NumberLong(189438) }