面试题：MongoDB 复杂拓扑结构下添加服务器的策略与优化

CPU：根据现有集群负载、业务读写量以及未来增长预估，选择具有足够核心数和频率的 CPU。例如，如果当前集群在业务高峰时 CPU 利用率经常接近 80%，且业务呈上升趋势，新服务器应选择比现有服务器 CPU 性能高 30% - 50% 的型号。
内存：依据 MongoDB 数据量及工作集大小来确定。若工作集接近现有服务器内存上限，新服务器内存应适当增加，一般建议增加 1 - 2 倍工作集预计增长的大小。比如现有工作集 10GB，预计未来增长 5GB，新服务器内存可设置为 16GB 或 32GB。
存储：考虑数据增长速度和磁盘 I/O 性能。若数据增长迅速且对读写性能要求高，选用高速 SSD 存储。根据预估的数据增长量，计算所需的存储容量，如预计每年增长 1TB，新服务器可配置 2 - 3TB 的存储。
网络：确保网络带宽满足数据传输需求。对于分片集群，服务器间数据迁移可能产生大量网络流量，至少配备万兆网卡，以保障网络传输速率。

子网划分：将新服务器规划到与现有 MongoDB 集群相同的子网内，确保内部通信的高效性和安全性。例如，若现有集群使用 192.168.1.0/24 子网，新服务器也应配置在此子网段内。
防火墙设置：配置防火墙规则，允许新服务器与现有集群各节点进行必要的通信。开放 MongoDB 服务端口（默认 27017 等），同时限制外部非授权访问。
负载均衡：如果使用负载均衡器，将新服务器添加到负载均衡器的后端服务器列表中，并根据业务需求调整负载均衡策略，如采用轮询或加权轮询算法，确保请求均匀分配到各服务器。

配置优化：
- 根据新服务器硬件资源，调整 MongoDB 配置文件（如 mongod.conf）。例如，合理设置 wiredTigerCacheSizeGB 参数，以充分利用内存资源。
- 优化存储引擎参数，如调整 writeConcern 以平衡写入性能和数据安全性。对于一些对数据一致性要求不高的写入操作，可适当降低 writeConcern 级别。
索引优化：
- 分析现有索引使用情况，使用 db.collection.getIndexes() 命令查看索引。对于频繁查询但未使用索引的字段，考虑添加合适的索引。
- 定期使用 db.collection.reIndex() 命令重建索引，以优化索引结构，提高查询性能。
分片优化：
- 检查分片键的选择是否合理，若分片不均匀，可能需要重新选择分片键并进行数据迁移。例如，若以时间戳为分片键导致数据在某些分片上堆积，可考虑选择业务相关的更均匀分布的字段作为分片键。
- 监控分片间的数据迁移情况，确保新服务器能够顺利接收和处理分配的数据。

副本集验证：
- 使用 rs.status() 命令检查副本集成员状态，确保新服务器成功加入副本集且数据同步正常。查看 optimeDate 字段，确认各成员的操作时间戳一致。
- 执行简单的读写操作，在主节点写入数据，然后在从节点查询，验证数据是否准确同步。例如，插入一条文档 db.collection.insertOne({key: "value"})，然后在从节点执行 db.collection.find({key: "value"})，检查是否能查到相同数据。
分片集群验证：
- 使用 sh.status() 命令查看分片集群状态，确认新服务器对应的分片已正确配置且数据分布均衡。
- 进行跨分片的复杂查询操作，验证数据一致性。如执行聚合操作 db.collection.aggregate([{$group: {_id: "$category", count: {$sum: 1}}}])，确保在不同分片上的数据能够正确聚合。
- 利用 MongoDB 的一致性检查工具，如 mongodump 和 mongorestore 进行数据对比验证。在不同节点执行 mongodump 备份数据，然后使用工具对比备份文件，确保数据一致。

星途面试题库