删除分片进度确认与异常排查指南

操作场景

本文旨在帮助您在执行删除分片操作时，排查任务阻塞的原因，并提供相应的解决方法。

待删除分片为主分片导致任务失败

1. 待删除分片上存在未分片集合，建议您优先评估使用DRS迁移到新实例。
2. 待删除分片上没有未分片集合，可以通过执行movePrimary命令切换主分片（注：此命令迁移非分片集合时会阻塞正常业务，因此默认情况下是禁用状态）。

存在Jumbo Chunk导致任务失败

推荐解决方法：

1. 建议您优先评估使用DRS迁移到新实例，并重新设计分片键，以防止新实例产生Jumbo Chunk。
2. 如果业务条件允许，建议自行删除Jumbo Chunk中的部分数据，以减小其尺寸。

存在duplicated key(_id) 导致任务失败

1. 一般是由于孤儿文档导致，建议客户先清理孤儿文档。请参考清理孤儿文档。
2. 如果已清理孤儿文档仍失败，建议客户根据集合执行以下命令，检查发生冲突的键值。如果业务允许，请删除不必要的文档后重试任务。

   db.getSiblingDB("test").coll.aggregate([{$group: { _id: "$_id",  count: { $sum: 1 }}},{$match: { count: { $gt: 1 } }}], {allowDiskUse: true})

   上述命令的执行计划为全表扫描（COLLSCAN），这将占用较多的CPU和内存资源，执行时间与数据量密切相关。建议在业务低峰期执行该命令。

3. 根据2返回结果，请根据实际业务情况选择删除冲突的文档。

确认均衡器的状态

1. 通过Mongo Shell连接集群实例。
2. 执行如下命令，获取balancer的状态。

   sh.startBalancer()

3. 结果返回true表示balancer处于开启状态，如需关闭，请参考关闭Balancer。

关闭Balancer

1. 通过Mongo Shell连接集群实例。
2. 在dds mongos节点命令行中，切换至config数据库。

   use config

3. 执行如下命令，查看Balancer运行状态。

   while(sh.isBalancerRunning()){
              print("waiting...");           
              sleep(500); 
   }

   • 如果返回值为空，则表示Balancer未处于执行任务的状态，此时可以进行下一步操作，关闭Balancer。
   • 如果返回值为 "waiting"，则表示 Balancer 正在执行块迁移。此时，不应执行关闭 Balancer 的命令，否则可能会导致数据不一致。
4. 如3执行的命令后返回的值为空，可执行关闭Balancer命令。

   sh.stopBalancer()

5. 如需开启Balancer，请执行如下命令。

   sh.startBalancer()

删除分片任务进度

1. 通过Mongo Shell连接集群实例。
2. 查看删减分片上需要迁移的 Chunks 数量。

   db.getSiblingDB("config").chunks.aggregate([{$match: {ns: "test.coll", shard: "shard_3"}},{$group: {_id: "$ns", count: {$sum: 1}}}])
   { "_id" : "db.coll", "count" : 1 }

3. 执行如下命令，查看迁移速率，查询过去24小时的迁移的 Chunk 数量。

   sh.status()

   

4. 在理想情况下（业务负载稳定，Chunk 总数不变），您可以根据上述信息进行估算：

   预计完成时间 ≈ 需迁移 Chunk 数 / 过去24小时迁移的 Chunk 数

   例如：需迁移 Chunk 数 = 1000，过去24小时迁移的 Chunk 数 = 500，则预计完成时间为：1000 / 500 = 2 (天)。