「生產事故」MongoDB復合索引引發的災難
前情提要
11月末我司商品服務的MongoDB主庫曾出現過嚴重抖動、頻繁鎖庫等情況。
由于諸多業務存在插入MongoDB、然后立即查詢等邏輯，因此項目并未開啟讀寫分離。
最終定位問題是由于：服務器自身磁盤 + 大量慢查詢導致
基于上述情況，運維同學后續著重增強了對MongoDB慢查詢的監控和告警
幸運的一點：在出事故之前剛好完成了緩存過期時間的升級且過期時間為一個月，C端查詢都落在緩存上，因此沒有造成P0級事故，僅僅阻塞了部分B端邏輯
事故回放
我司的各種監控做的比較到位，當天突然收到了數據庫服務器負載較高的告警通知，于是我和同事們就趕緊登錄了Zabbix監控，如下圖所示，截圖的時候是正常狀態，當時事故期間忘記留圖了，可以想象當時的數據曲線反正是該高的很低，該低的很高就是了。
Zabbix 分布式監控系統官網:https://www.zabbix.com/
開始分析
我們研發是沒有操控服務器權限的，因此委托運維同學幫助我們抓取了部分查詢記錄，如下所示：
- ---------------------------------------------------------------------------------------------------------------------------+
- Op | Duration | Query ---------------------------------------------------------------------------------------------------------------------------+
- query | 5 s | {"filter": {"orgCode": 350119, "fixedStatus": {"$in": [1, 2]}}, "sort": {"_id": -1}, "find": "sku_main"}
- query | 5 s | {"filter": {"orgCode": 350119, "fixedStatus": {"$in": [1, 2]}}, "sort": {"_id": -1}, "find": "sku_main"} query | 4 s | {"filter": {"orgCode": 346814, "fixedStatus": {"$in": [1, 2]}}, "sort": {"_id": -1}, "find": "sku_main"} query | 4 s | {"filter": {"orgCode": 346814, "fixedStatus": {"$in": [1, 2]}}, "sort": {"_id": -1}, "find": "sku_main"} query | 4 s | {"filter": {"orgCode": 346814, "fixedStatus": {"$in": [1, 2]}}, "sort": {"_id": -1}, "find": "sku_main"}
- ...
查詢很慢的話所有研發應該第一時間想到的就是索引的使用問題，所以立即檢查了一遍索引，如下所示：
- ### 當時的索引
- db.sku_main.ensureIndex({"orgCode": 1, "_id": -1},{background:true});
- db.sku_main.ensureIndex({"orgCode": 1, "upcCode": 1},{background:true});
- ....
我屏蔽了干擾項，反正能很明顯的看出來，這個查詢是完全可以命中索引的，所以就需要直面第一個問題：
上述查詢記錄中排首位的慢查詢到底是不是出問題的根源?
我的判斷是：它應該不是數據庫整體緩慢的根源，因為第一它的查詢條件足夠簡單暴力，完全命中索引，在索引之上有一點其他的查詢條件而已，第二在查詢記錄中也存在相同結構不同條件的查詢，耗時非常短。
在運維同學繼續排查查詢日志時，發現了另一個比較驚爆的查詢，如下：
- ### 當時場景日志
- query: { $query: { shopCategories.0: { $exists: false }, orgCode: 337451, fixedStatus: { $in: [ 1, 2 ] }, _id: { $lt: 2038092587 } }, $orderby: { _id: -1 } } planSummary: IXSCAN { _id: 1 } ntoreturn:1000 ntoskip:0 keysExamined:37567133 docsExamined:37567133 cursorExhausted:1 keyUpdates:0 writeConflicts:0 numYields:293501 nreturned:659 reslen:2469894 locks:{ Global: { acquireCount: { r: 587004 } }, Database: { acquireCount: { r: 293502 } }, Collection: { acquireCount: { r: 293502 } } }
- # 耗時
- 179530ms
# 耗時耗時180秒且基于查詢的執行計劃可以看出，它走的是_id_索引，進行了全表掃描，掃描的數據總量為：37567133，不慢才怪。
迅速解決
定位到問題后，沒辦法立即修改，第一要務是：止損
結合當時的時間也比較晚了，因此我們發了公告，禁止了上述查詢的功能并短暫暫停了部分業務，，過了一會之后進行了主從切換，再去看Zabbix監控就一切安好了。
分析根源
我們回顧一下查詢的語句和我們預期的索引，如下所示：
- ### 原始Query
- db.getCollection("sku_main").find({
- "orgCode" : NumberLong(337451),
- "fixedStatus" : {
- "$in" : [
- 1.0,
- 2.0
- ]
- },
- "shopCategories" : {
- "$exists" : false
- },
- "_id" : {
- "$lt" : NumberLong(2038092587)
- }
- }
- ).sort(
- {
- "_id" : -1.0
- }
- ).skip(1000).limit(1000);
- ### 期望的索引
- db.sku_main.ensureIndex({"orgCode": 1, "_id": -1},{background:true});
乍一看，好像一切都很Nice啊，字段orgCode等值查詢，字段_id按照創建索引的方向進行倒序排序，為啥會這么慢?
但是，關鍵的一點就在 $lt 上
知識點一：索引、方向及排序
在MongoDB中，排序操作可以通過從索引中按照索引的順序獲取文檔的方式，來保證結果的有序性。
如果MongoDB的查詢計劃器沒法從索引中得到排序順序，那么它就需要在內存中對結果排序。
注意：不用索引的排序操作，會在內存超過32MB時終止，也就是說MongoDB只能支持32MB以內的非索引排序
知識點二：單列索引不在乎方向
無論是MongoDB還是MySQL都是用的樹結構作為索引，如果排序方向和索引方向相反，只需要從另一頭開始遍歷即可，如下所示：
- # 索引
- db.records.createIndex({a:1});
- # 查詢
- db.records.find().sort({a:-1});
- # 索引為升序，但是我查詢要按降序，我只需要從右端開始遍歷即可滿足需求，反之亦然
- MIN 0 1 2 3 4 5 6 7 MAX
MongoDB的復合索引結構
官方介紹：MongoDB supports compound indexes, where a single index structure holds references to multiple fields within a collection’s documents.
復合索引結構示意圖如下所示：
該索引剛好和我們討論的是一樣的，userid順序，score倒序。
我們需要直面第二個問題：復合索引在使用時需不需要在乎方向?
假設兩個查詢條件：
- # 查詢 一
- db.getCollection("records").find({
- "userid" : "ca2"
- }).sort({"score" : -1.0});
- # 查詢 二
- db.getCollection("records").find({
- "userid" : "ca2"
- }).sort({"score" : 1.0});
上述的查詢沒有任何問題，因為受到score字段排序的影響，只是數據從左側還是從右側遍歷的問題，那么下面的一個查詢呢?
- # 錯誤示范
- db.getCollection("records").find({
- "userid" : "ca2",
- "score" : {
- "$lt" : NumberLong(2038092587)
- }
- }).sort({"score" : -1.0});
錯誤原因如下：
- 由于score字段按照倒序排序，因此為了使用該索引，所以需要從左側開始遍歷
- 從倒序順序中找小于某個值的數據，勢必會掃描很多無用數據，然后丟棄，當前場景下找大于某個值才是最佳方案
- 所以MongoDB為了更多場景考慮，在該種情況下，放棄了復合索引，選用其他的索引，如 score 的單列索引
針對性修改
仔細閱讀了根源之后，再回顧線上的查詢語句，如下：
- ### 原始Query
- db.getCollection("sku_main").find({
- "orgCode" : NumberLong(337451),
- "fixedStatus" : {
- "$in" : [
- 1.0,
- 2.0
- ]
- },
- "shopCategories" : {
- "$exists" : false
- },
- "_id" : {
- "$lt" : NumberLong(2038092587)
- }
- }
- ).sort(
- {
- "_id" : -1.0
- }
- ).skip(1000).limit(1000);
- ### 期望的索引
- db.sku_main.ensureIndex({"orgCode": 1, "_id": -1},{background:true});
犯的錯誤一模一樣，所以MongoDB放棄了復合索引的使用，該為單列索引，因此進行針對性修改，把 $lt 條件改為 $gt 觀察優化結果:
- # 原始查詢
- [TEMP INDEX] => lt: {"limit":1000,"queryObject":{"_id":{"$lt":2039180008},"categoryId":23372,"orgCode":351414,"fixedStatus":{"$in":[1,2]}},"restrictedTypes":[],"skip":0,"sortObject":{"_id":-1}}
- # 原始耗時
- [TEMP LT] => 超時 （超時時間10s）
- # 優化后查詢
- [TEMP INDEX] => gt: {"limit":1000,"queryObject":{"_id":{"$gt":2039180008},"categoryId":23372,"orgCode":351414,"fixedStatus":{"$in":[1,2]}},"restrictedTypes":[],"skip":0,"sortObject":{"_id":-1}}
- # 優化后耗時
- [TEMP GT] => 耗時: 383ms , List Size: 999
總結
分析了小2000字，其實改動就是兩個字符而已，當然真正的改動需要考慮業務的需要，但是問題既然已經定位，修改什么的就不難了，回顧上述內容總結如下：
- 學習數據庫知識的時候可以用類比的方式，但是需要額外注意其不同的地方(MySQL、MongoDB索引、索引的方向)
- MongoDB數據庫單列索引可以不在乎方向，如對無索引字段排序需要控制數據量級(32M)
- MongoDB數據庫復合索引在使用中一定要注意其方向，要完全理解其邏輯，避免索引失效
本文轉載自微信公眾號「是Kerwin啊」，可以通過以下二維碼關注。轉載本文請聯系是Kerwin啊公眾號。
