面试题：MongoDB片键与数据分布的深入调优及故障排查

片键选择不合理：
- 用户ID倾斜：如果用户ID分布不均匀，例如某些用户ID出现频率极高，以用户ID和创建时间组成的复合片键，会导致数据集中在部分分片上。比如，某个热门主播的ID频繁使用，相关数据集中在一个分片。
- 创建时间分布问题：若数据创建时间集中在某个时间段，而不是均匀分布，也会造成数据倾斜。例如，某个促销活动期间集中产生大量数据，这些数据集中在某些分片。
数据增长模式：
- 突发增长：如果某段时间内特定用户ID（或时间段）的数据量突然大幅增长，超过了MongoDB自动均衡的能力范围，会导致数据分布不均衡。比如，某个网红突然爆火，短时间内产生海量相关数据。
均衡器设置：
- 均衡器未开启或配置不当：MongoDB的均衡器负责在分片之间移动数据以保持平衡。若均衡器未开启，或者配置的均衡时间间隔过长、均衡数据量阈值设置不合理等，都会使数据无法及时均衡。

调整片键：
- 重新设计片键：如果发现用户ID倾斜严重，可以考虑加入更均匀分布的字段作为片键。例如，加入地理位置信息、设备类型等，使数据分布更均匀。比如，将片键改为用户ID、创建时间和设备类型，增加数据分布的随机性。
- 哈希分片：对用户ID进行哈希处理后作为片键的一部分。这样可以使数据更均匀地分布在各个分片上，避免因用户ID本身的分布不均匀导致的数据倾斜。例如，使用MD5或SHA - 256等哈希算法对用户ID进行哈希，将哈希值作为片键一部分。
其他方式：
- 手动均衡：通过sh.moveChunk命令手动移动数据块，将数据从负载高的分片移动到负载低的分片。但这种方式需要谨慎操作，因为可能会影响业务的读写性能。例如，在业务低峰期，使用sh.moveChunk命令将某个数据块从过载分片移动到空闲分片。
- 调整均衡器配置：适当缩短均衡器运行的时间间隔，降低触发均衡的数据量阈值，使均衡器能更频繁、更灵敏地进行数据均衡。比如，将均衡时间间隔从默认的24小时缩短到1小时，将触发均衡的数据量阈值从100MB降低到50MB。

选择合适时机：
- 业务低峰期操作：无论是调整片键、手动均衡还是修改均衡器配置，都应选择业务低峰期进行，如凌晨时段。这样可以最大程度减少对正常业务的读写影响。
灰度发布：
- 先在部分分片或副本集上测试：对于调整片键这种较大的变动，可以先在部分分片或副本集上进行测试，观察对业务的影响，确认无问题后再逐步推广到整个集群。例如，先在一个小的测试集群或生产集群的部分分片上更改片键，测试业务的读写性能和功能是否正常。
读写分离：
- 利用从节点：在优化过程中，将读操作尽量分配到从节点上，减少对主节点写操作的影响。可以通过驱动程序的配置，将读请求路由到从节点，保证主节点的写性能不受太大干扰。

故障排查：
- 监控工具：使用MongoDB自带的监控工具，如mongostat、mongotop等，实时查看各个分片的读写负载、数据量等指标，定位负载高或数据量异常的分片。例如，通过mongostat查看每个分片的读/写操作次数、网络流量等。
- 日志分析：分析MongoDB的日志文件，查找与均衡器相关的错误信息或异常日志，如均衡器无法移动数据块的原因等。例如，查看日志中是否有关于权限不足、网络问题导致均衡失败的记录。
验证优化效果：
- 性能指标对比：对比优化前后的查询性能指标，如查询响应时间、吞吐量等。可以使用性能测试工具，如jmeter对关键查询进行测试，观察优化后的性能提升情况。例如，优化前某个查询平均响应时间为100ms，优化后降低到50ms，说明优化有效果。
- 数据分布检查：通过sh.status()命令查看数据在分片之间的分布情况，确认数据是否更加均衡。例如，优化前某个分片的数据量占总数据量的80%，优化后各分片数据量占比相对均匀。

星途面试题库