MongoDB trouble shoot sharded clusters

前言

Part1:写在最前

    在MongoDB sharding环境中，我们会遇到一些常见的错误，本文就MongoDB官网列出的错误进行翻译。

Part2:整体环境

    MongoDB 3.4.4

实战

Part1:某个应用或者Mongos宕机

    如果每个应用程序服务器都有自己的mongos实例，其他应用程序服务器可以继续访问数据库。 此外，mongos实例不保持持久状态，并且可以重新启动（启动过程中为unavailable），而不会丢失任何状态或数据。 当一个mongos实例启动时，它会从configserver取回数据，并可以开始路由查询。

Part2:在sharding集群中，其中一个mongod进程宕机

    对于sharding环境，副本集提供了非常好的高可用能力。如果宕机的是主库，则副本集会选出一个新的主库。如果宕机的是从库，则副本集会让这台从库与主库断开连接，并且这台从库的数据不会被清空。在三个成员副本集中，即使该组的单个成员遇到灾难性故障，另外两个成员也有完整的数据副本。

    经常去检查可用性是否中断以及是否有故障，如果系统出现不可恢复的故障，尽快替换掉出问题的服务器，并将一台新的成员加入到副本集中，以保证整个副本集集群的高可用性。

Part3:sharding中的所有成员都unavailable

    如果副本集分片的所有成员都不可用，则该分片中保留的所有数据都不可用。但是，所有其他分片上的数据将保持可用，并且可以将数据读取和写入其他分片。?但是，应用程序必须能够处理部分结果，此时DBA该调查中断的原因，并尝试尽快恢复分片。

Part4:configserver副本集成员不可用

    在版本3.2中更改：从MongoDB 3.2开始，分片集群的配置服务器可以部署为副本集。 副本集配置服务器必须运行WiredTiger存储引擎。 MongoDB 3.2不推荐使用配置服务器的三个镜像mongod实例。

    副本集为配置服务器提供高可用性。 如果不可用的配置服务器是主服务器，则副本集将选择新的主服务器。

    如果副本集配置服务器丢失其主服务器，并且无法选择主服务器，则集群的元数据将变为只读。 仍然可以从分片读取和写入数据，但是在primary可用之前无法进行块迁移或块分割。 如果所有配置数据库变得不可用，则集群无法使用。

Part5:configserver数据过旧导致游标失败

    当一个或多个mongos实例尚未从配置数据库更新其集群元数据的缓存时，查询返回以下警告：

could not initialize cursor across all shards because : stale config detected

    此警告不应传回应用程序。警告将重复，直到所有的mongos实例刷新其缓存。要强制实例刷新其缓存，请运行flushRouterConfig命令。

Part6:分片键和集群可用性

选择分片键时最重要的考虑因素是：

1.确保MongoDB能够在分片间均匀分配数据

2.衡量写操作可以遍布整个集群

3.确保mongos可以将大多数查询隔离成特定的mongod。

更多：

1.每个分片应该是副本集，如果特定的mongod实例失败，则副本集成员将选择另一个作为主节点并继续操作。?但是，如果整个分片由于某种原因无法访问或失败，则该数据将不可用。

2.如果分片键允许mongos将大多数操作分离成单个分片，则单个分片的失败只会使一些数据不可用。

3.如果分片建分布的数据要求获取整个集群，那么这个分片不可用将导致整个集群不可用

实质上，这也说明了选择合适的片键对于单个分片隔离查询操作的重要性

Part7:configserver串错误

    从MongoDB 3.2开始，configserver服务器可以部署为副本集。 分片集群的mongos实例必须指定相同的configserver服务器副本集名称，但可以指定副本集的不同成员的主机名和端口。

    3.4开始，不再支持使用镜像mongod实例作为配置服务器（SCCC）。 在将分片集群升级到3.4之前，必须将配置服务器从SCCC转换为CSRS。

    对于早期版本的MongoDB分片集群，configserver服务器使用三个镜像mongod实例的拓扑，分片集群中的mongos实例必须指定相同的configDB字符串。

Part8:移动configerserver服务器时避免停机

    使用CNAME来识别您的配置服务器到集群，以便可以重新命名和重新编号配置服务器，而不会停机。

Part9:move Chunk 报错

    chunk migration结束时，分片必须连接到configserver数据库才能更新群集元数据中的块的记录。 如果分片无法连接到configserver数据库，MongoDB会报告以下错误：

ERROR: moveChunk commit failed: version is at | instead of |" and "ERROR: TERMINATING"

    当发生这种情况时，shard副本集的primary 复制终止以保护数据一致性。 如果secondary成员可以访问配置数据库，则在选举为新主之后，分片上的数据将再次被访问。