MongoDB 如今还是很受欢迎的，毕竟它简单易用，方便拓展等等，然后它的一些高级功能不知道你有没有了解过，比如它的复制集。

为何需要复制集

假如经历过业务量的慢慢增长，就能感受到数据库拓展过程中的一些痛苦，以及，复制集的重要性了。毕竟单台机器的性能总是有限的，等业务量到达一定程度，就需要考虑使用多台来分散读写压力，常见的业务场景中，我们面对的都是读多写少的场景，因此，可以在相当的一段时间里，只考虑分散读的压力。

另外，还需要考虑容错能力，即数据库万一挂了一台，需要能够自动恢复。

最后一种场景是在一个比较大的区域内服务用户的，甚至是全球的，但是所有的数据都是放在一起的，于是数据与应用放在离用户更近的地方，显然可以减少延迟1。

目前市面上大部分数据都会使用以下几种方式来提供复制集1：

  1. 单主复制：今天要说的 MongoDB 使用的就是单主；
  2. 多主复制：如 MySQL 的双主复制方案；
  3. 无主复制：如 ElasticSearch；

MongoDB 的主就是 Primary，而其它的节点，有数据并有选举权的叫做 Secondary，无数据但有选举票的叫做 Arbiter。

预备知识

在继续之前，先了解下 Read Preference 以及脏数据的概念。

Read Preference

它有五种模式，看字面也应该能够理解：

  1. primary：全部读取 Primary 节点，读取量非常大的情况下，但是会造成 Primary 的压力，不宜过多使用；
  2. primaryPreferred：优先读取 Primary 节点，挂掉的情况下再读取 Secondary；
  3. secondary：全部读取 Secondary 节点；
  4. secondaryPreferred：优先读取 Secondary 节点，全部挂掉的情况下再读取 Primary 节点，推荐配置；
  5. nearest：读取最近的 Secondary 节点，远近通过网络延迟来决定；

脏数据

其实说的就是 MongoDB 的数据持久化，在一个数据写到 journal 并 flush 到磁盘上之前，数据都是脏的，而在复制集内，数据会通过 Oplog 传播到其它节点上，然后重复写入的步骤2。

假如这个过程中，主节点挂掉了，之前的某一个 Secondary 提升成为了 Primary，由于数据没有写到大部分节点上，于是新的 Primary 看不到之前的应该写入的新数据，即使这时候旧的 Primary 回来了，它也只能是 Secondary，它之前的那些新数据就会丢失，从而导致数据的回滚。2

复制集的缺点

说了优点之后，再说说它的缺点，毕竟 CAP 原理还是统治着分布式领域。在 CAP 原理中，C 表示一致性，A 表示一致性，P 表示分区容忍性。

MongoDB 的默认复制集配置是显然的 CP，因为 ReadPreference 默认为 Primary；如果换成 Secondary 或者 SecondaryPreferred，就相当于 AP 了，C 用了业界默认的最终一致性，因为它的复制是基于 Oplog 的异步方案。

但是，AP 方案容易导致的问题有复制延迟导致的：

注意：这些的例子只是随便举例，不一定会是真实情况。

  1. 写后读，或者说是读己写问题：即从 Primary 写入数据后，然后马上从 Secondary 读，这时候由于延迟问题而有可能在 Secondary 读不到最新数据，于是我刚发了个微博，刷新了下反而消失了，过一会儿又出现了；
  2. 单调读问题，或者说是时光倒流问题：这时候由于多次从不同的 Secondary 读取数据，比如微博的评论下面，如果两次读到的数据不一致后，容易导致先看到了回复，刷新后却消失了，再过一会儿又出现了；
  3. 因果读写不一致问题：与上面的微博例子相似，即出现在一个微博下面，评论的回复比评论先到达的现象；

解决的办法显然是有的，MongoDB 分别从读与写提供了解决方案，让你能够调整配置来取舍复制集中的 C 与 A。3, 4

读隔离 Read Concern

目前一共有五种读隔离的设置：

  1. local：不保证数据都被写入了大部分节点，我们在使用的时候基本默认的选项；
  2. available：3.6 版本引入，与 因果一致性会话 有关，也是不保证数据都被写入了大部分节点，暂时还没用过；
  3. majority：保证数据都被写入了大部分节点，但是必须使用 WiredTiger 存储引擎；
  4. linearizable：这个也没有用过，意思也不是很清楚，文档大致意思理解为对文档所有的读写都是顺序，或者说线性执行的，会导致花费时间超过 majority，建议与 maxTimeMS 一起食用；
  5. snapshot：4.0 版本引入，与多文档的事务有关，也是没用过；

所以除了 local 与 majority，我都不能保证叙述的准确性，毕竟与实际用还是有区别的。但是基本上可以了解到：读隔离的效果是需要用时间去交换的，或者说降低可用性去交换的。

另外特别提一下这句文档中的话：

Regardless of the read concern level, the most recent data on a node may not reflect the most recent version of the data in the system.
不管 Read concern 的具体配置，节点上最新的数据，不一定意味着它也是系统中最新的数据。

因为不管 Read concern 如何配置，它始终是从单个节点读的，这个设计的初衷只能保证不读到脏数据。

写确认 Write Concern

1
{ w: <value>, j: <boolean>, wtimeout: <number> }

这三个参数，在进行写操作的时候非常有用，常见的设置便是将 j 设置为 true，表示等数据已经写入了磁盘上的 journal 后再返回，这时候即便数据库挂掉，也是能从 journal 中恢复的，注意这不是 oplog 它是高层次的日志，而 journal 是低层次的日志，是可以用来故障恢复后重建当前节点数据的日志5。

对于 w 参数，则有三种，表示写入后得到多少个 Secondary 的确认后再返回：

  1. 数字：那就是确切的个数了；
  2. majority：自动帮你计算 n/2 + 1；
  3. tag set，标签组：即制定哪几个 tag 的 Secondary；

最后一个 wtimeout，则是在制定 w 参数的时候，推荐一并设置，防止超时，毕竟这种确认是牺牲性能的，很可能导致超时。

看到这里，大致可以得出结论，MongoDB 将读隔离与写确认交给客户端去取舍，一定程度上解决了复制延迟导致的业务问题，而本质上，这种解决方案的原理就在于用事务6。

总结

MongoDB 本来以易用而著称，但当我们会看到它的种种的高级配置与越来越多的概念，也就明白了它其实是把大部分我们用到的功能易用化了；而对于类似于复制延迟的这些后期会遇到的问题，它的解决方案不见得会比其它数据库更简单：因为它把控制权交给了应用，也就加大了应用的复杂度与难用程度，所以也就很容易见到大家对它的容易丢数据的评价了，我们可以说这些人不会用 MongoDB，但是为什么这些人不会用，是不是 MongoDB 本身的设计问题呢？

当然，这些都是取舍，我们在小业务量的时候，可以完全不去管这些复杂的内容，毕竟当业务量起来了之后，融资容易了，或者也赚钱了，就可以招专门的人才去管理这些数据库。

P.S.

最后补充下它的 Golang Driver：mongo-go-driver 以及 mgo，即使到写这篇文章的时候，这个官方的 driver 还是没有完善功能（not feature complete），不过倒是支持最新的事务功能，我们大部分还是在使用 mgo 这个库。想尝鲜的倒是可以试试，官方有迁移指导。

而 mgo 这是个命途多舛的 Golang 库，历经了多次『换主』：

  1. https://github.com/go-mgo/mgo
  2. https://github.com/10gen/mgo
  3. https://github.com/domodwyer/mgo
  4. https://github.com/globalsign/mgo

从 1 到 4，目前最新的仍在维护的是最后一个，因为是目前唯一正在维护的社区版本。

说到今天的复制集，它的 Safe 配置需要特别注意下，今天的知识点都可以用在这里了：

1
2
3
4
5
6
7
8
type Safe struct {
    W        int    // Min # of servers to ack before success
    WMode    string // Write mode for MongoDB 2.0+ (e.g. "majority")
    RMode    string // Read mode for MonogDB 3.2+ ("majority", "local", "linearizable")
    WTimeout int    // Milliseconds to wait for W before timing out
    FSync    bool   // Sync via the journal if present, or via data files sync otherwise
    J        bool   // Sync via the journal if present
}

单台 MongoDB 的时候，开发的时候可能并不需要注意复制相关的问题，只是，当多台 MongoDB 组成复制集的时候，这些选项就变得格外重要。

还有就是连接数据库的时候，记得设置最大连接数 maxPoolSize，不然连接池很可能会爆掉的。

最后建议对它开启统计，与 Promtheus 很容易结合，写一个 Collector 就能暴露监控数据了，可以参考我写的。

然后在程序启动的时候，注册下 collector 即可。

1
prometheus.MustRegister(mongo.NewMgoCollector())

Ref

  1. 设计数据密集型应用 - 复制
  2. No more dirty reads with MongoDB
  3. Where does mongodb stand in the CAP theorem?
  4. CAP 理论与 MongoDB 一致性、可用性的一些思考
  5. How do the MongoDB journal file and oplog differ?
  6. MongoDB · 引擎特性 · 事务实现解析

首发于 Github issues: https://github.com/xizhibei/blog/issues/105 ，欢迎 Star 以及 Watch

本文采用 署名-非商业性使用-相同方式共享（BY-NC-SA）进行许可
作者：习之北 (@xizhibei)
原链接：https://blog.xizhibei.me/zh-cn/2019/05/05/mongodb-replica-set/