MongoDB分片迁移原理与源码
异步删除数据
在from shard将迁移结果提交到config服务器成功后，from shard就会执行删除原数据的操作；如果迁移的参数"waitForDelete"为false，则触发异步删除。"waitForDelete"的默认参数即是false，即异步删除是默认设计。
将此次迁移的数据范围调用cleanUpRange()函数进行后续处理。
默认情况下，900s 以后开始清理 chunks 的数据，每次清理 128 个文档，每隔 20ms 删除一次。具体通过以下参数设置：
rangeDeleterBatchDelayMS: 删除每个 chunk 数据的时候分批次删除，每批之间间隔的时间，单位 ms，默认 20ms；
internalQueryExecYieldIterations: 默认为 128；
rangeDeleterBatchSize：每次删除数据的数量，默认即为0；为0时 ，则每次删除的数量为max(internalQueryExecYieldIterations，1)，
orphanCleanupDelaySecs: moveChunk 以后延迟删除数据的时间，单位 s ，默认 900 s
const ChunkRange range(_args.getMinKey(), _args.getMaxKey());
auto notification = [&] {
auto const whenToClean = _args.getWaitForDelete() ? CollectionShardingRuntime::kNow
: CollectionShardingRuntime::kDelayed;UninterruptibleLockGuard noInterrupt(opCtx->lockState());
AutoGetCollection autoColl(opCtx, getNss(), MODE_IS);
return CollectionShardingRuntime::get(opCtx, getNss())->cleanUpRange(range, whenToClean);
}();
// 默认的异步删除时间
//MONGO_EXPORT_SERVER_PARAMETER(orphanCleanupDelaySecs, int, 900); // 900s = 15m
auto CollectionShardingRuntime::cleanUpRange(ChunkRange const& range, CleanWhen when)
-> CleanupNotification {
Date_t time = (when == kNow) ? Date_t{} : Date_t::now() +
stdx::chrono::seconds{orphanCleanupDelaySecs.load()};return _metadataManager->cleanUpRange(range, time);
}
再删除之前，还要判断是否满足没有任何基于该chunk的查询了：如果没有则放到删除队列中，等删除时间到了；如果还有查询，则放到另外一个孤儿文档队列，后续再删除；
auto MetadataManager::cleanUpRange(ChunkRange const& range, Date_t whenToDelete)
-> CleanupNotification {
stdx::lock_guard lg(_managerLock);
invariant(!_metadata.empty());
auto* const activeMetadata = _metadata.back().get();
auto* const overlapMetadata = _findNewestOverlappingMetadata(lg, range);
if (overlapMetadata == activeMetadata) {
return Status{ErrorCodes::RangeOverlapConflict,
str::stream() << "Requested deletion range overlaps a live shard chunk"};}
if (rangeMapOverlaps(_receivingChunks, range.getMin(), range.getMax())) {
return Status{ErrorCodes::RangeOverlapConflict,
str::stream() << "Requested deletion range overlaps a chunk being"
" migrated in"};}
if (!overlapMetadata) {
//如果没有基于该chunk的查询了，则把该数据块放到删除队列中.
const auto whenStr = (whenToDelete == Date_t{}) ? "immediate"_sd : "deferred"_sd;
log() << "Scheduling " << whenStr << " deletion of " << _nss.ns() << " range "
<< redact(range.toString());
return _pushRangeToClean(lg, range, whenToDelete);}
log() << "Deletion of " << _nss.ns() << " range " << redact(range.toString())
<< " will be scheduled after all possibly dependent queries finish";
//如果还有查询，则放到孤儿文档的队列中，后续再删除.
auto& orphans = overlapMetadata->orphans;
orphans.emplace_back(ChunkRange(range.getMin().getOwned(), range.getMax().getOwned()),
whenToDelete);return orphans.back().notification;
}
根据删除时间，则定是否放到最终的异步删除的任务线程中scheduleCleanup()
auto MetadataManager::_pushRangeToClean(WithLock lock, ChunkRange const& range, Date_t when)
-> CleanupNotification {
std::list ranges;
ranges.emplace_back(ChunkRange(range.getMin().getOwned(), range.getMax().getOwned()), when);
auto& notifn = ranges.back().notification;
_pushListToClean(lock, std::move(ranges));
return notifn;
}
void MetadataManager::_pushListToClean(WithLock, std::list ranges) {
auto when = _rangesToClean.add(std::move(ranges));
if (when) {
scheduleCleanup(
_executor, _nss, _metadata.back()->metadata.getCollVersion().epoch(), *when);}
invariant(ranges.empty());
}
void scheduleCleanup(executor::TaskExecutor* executor,
NamespaceString nss,
OID epoch,
Date_t when) {LOG(1) << "Scheduling cleanup on " << nss.ns() << " at " << when;
auto swCallbackHandle = executor->scheduleWorkAt(
when, [ executor, nss = std::move(nss), epoch = std::move(epoch) ](auto&) {
Client::initThreadIfNotAlready("Collection Range Deleter");
auto uniqueOpCtx = Client::getCurrent()->makeOperationContext();
auto opCtx = uniqueOpCtx.get();
const int maxToDelete = std::max(int(internalQueryExecYieldIterations.load()), 1);
MONGO_FAIL_POINT_PAUSE_WHILE_SET(suspendRangeDeletion);
//执行真正的删除，但是每批只删除maxToDelete（默认128）个文档；每批间隔时间默认为rangeDeleterBatchDelayMS（20）毫秒。
//最终删除调用的是collection->deleteDocument()删除集合文档的接口，完成文档删除
auto next = CollectionRangeDeleter::cleanUpNextRange(opCtx, nss, epoch, maxToDelete);
if (next) {
scheduleCleanup(executor, std::move(nss), std::move(epoch), *next);
}
});
if (!swCallbackHandle.isOK()) {
log() << "Failed to schedule the orphan data cleanup task"
<< causedBy(redact(swCallbackHandle.getStatus()));}
}
问题
孤儿文档(orphaned document)
在第一章已经说过，由于数据块的迁移不是原子操作，导致从拷贝数据到异步删除数据，中间任何地方出错，都会导致产生孤儿文档。
孤儿文档会造成数据的不一致，甚至一个数据块迁移了一部分然后被打断，后续相同的数据块重新迁移的时候，有可能造成迁移始终不成功的问题。
4.0 版本中迁移触发的阈值太低，导致迁移产生的性能问题太高
该问题主要从参考文献中得出来的结论。详情可参考《MongoDB疑难解析：为什么升级之后负载升高了》
除此之外，由于整个迁移不是原子的，且存在异步过程，导致中间失败，产生其他问题的可能。
总结
MongoDB基于分片集群架构，实现了存储能力和服务能力的水平扩展，实现了管理海量数据的能力；并且基于自身架构的特点和优势，解决了如下问题：
可靠性。各个shard和config server基于副本集架构，实现了数据冗余和容错能力；
可用性。除了副本集架构的可用性的提高，一个shard出问题也不影响其他分片，以及整个分片集群继续服务的能力；
一致性。用户通过哪个mongos访问分片集群，都可以获得正确的数据；
伸缩性。非常方便的实现了增加和删除分片的功能，极为方便的实现了水平扩容；
性能。整个集群的服务分摊到了各个shard上，而且基于动态均衡，实现了性能的最大化。
综上，MongoDB的分片集群，还挺好。
参考文档
MongoDB官方文档
孤儿文档是怎样产生的(MongoDB orphaned document)
MongoDB疑难解析：为什么升级之后负载升高了？
由数据迁移至MongoDB导致的数据不一致问题及解决方案
