「生产事故」MongoDB复合索引引发的灾难

前情提要

11月末我司商品服务的MongoDB主库曾出现过严重抖动、频繁锁库等情况。

由于诸多业务存在插入MongoDB、然后立即查询等逻辑，因此项目并未开启读写分离。

最终定位问题是由于：服务器自身磁盘 + 大量慢查询导致

基于上述情况，运维同学后续着重增强了对MongoDB慢查询的监控和告警

幸运的一点：在出事故之前刚好完成了缓存过期时间的升级且过期时间为一个月，C端查询都落在缓存上，因此没有造成P0级事故，仅仅阻塞了部分B端逻辑

事故回放

我司的各种监控做的比较到位，当天突然收到了数据库服务器负载较高的告警通知，于是我和同事们就赶紧登录了Zabbix监控，如下图所示，截图的时候是正常状态，当时事故期间忘记留图了，可以想象当时的数据曲线反正是该高的很低，该低的很高就是了。

Zabbix 分布式监控系统官网:https://www.zabbix.com/

开始分析

我们研发是没有操控服务器权限的，因此委托运维同学帮助我们抓取了部分查询记录，如下所示：

---------------------------------------------------------------------------------------------------------------------------+
Op|Duration|Query---------------------------------------------------------------------------------------------------------------------------+
query|5s|{"filter":{"orgCode":350119,"fixedStatus":{"$in":[1,2]}},"sort":{"_id":-1},"find":"sku_main"}
query|5s|{"filter":{"orgCode":350119,"fixedStatus":{"$in":[1,2]}},"sort":{"_id":-1},"find":"sku_main"}query|4s|{"filter":{"orgCode":346814,"fixedStatus":{"$in":[1,2]}},"sort":{"_id":-1},"find":"sku_main"}query|4s|{"filter":{"orgCode":346814,"fixedStatus":{"$in":[1,2]}},"sort":{"_id":-1},"find":"sku_main"}query|4s|{"filter":{"orgCode":346814,"fixedStatus":{"$in":[1,2]}},"sort":{"_id":-1},"find":"sku_main"}
...

查询很慢的话所有研发应该第一时间想到的就是索引的使用问题，所以立即检查了一遍索引，如下所示：

###当时的索引

db.sku_main.ensureIndex({"orgCode":1,"_id":-1},{background:true});
db.sku_main.ensureIndex({"orgCode":1,"upcCode":1},{background:true});
....

我屏蔽了干扰项，反正能很明显的看出来，这个查询是完全可以命中索引的，所以就需要直面第一个问题：

上述查询记录中排首位的慢查询到底是不是出问题的根源?

我的判断是：它应该不是数据库整体缓慢的根源，因为第一它的查询条件足够简单暴力，完全命中索引，在索引之上有一点其他的查询条件而已，第二在查询记录中也存在相同结构不同条件的查询，耗时非常短。

在运维同学继续排查查询日志时，发现了另一个比较惊爆的查询，如下：

###当时场景日志

query:{$query:{shopCategories.0:{$exists:false},orgCode:337451,fixedStatus:{$in:[1,2]},_id:{$lt:2038092587}},$orderby:{_id:-1}}planSummary:IXSCAN{_id:1}ntoreturn:1000ntoskip:0keysExamined:37567133docsExamined:37567133cursorExhausted:1keyUpdates:0writeConflicts:0numYields:293501nreturned:659reslen:2469894locks:{Global:{acquireCount:{r:587004}},Database:{acquireCount:{r:293502}},Collection:{acquireCount:{r:293502}}}

#耗时
179530ms

# 耗时耗时180秒且基于查询的执行计划可以看出，它走的是_id_索引，进行了全表扫描，扫描的数据总量为：37567133，不慢才怪。

迅速解决

定位到问题后，没办法立即修改，第一要务是：止损

结合当时的时间也比较晚了，因此我们发了公告，禁止了上述查询的功能并短暂暂停了部分业务，，过了一会之后进行了主从切换，再去看Zabbix监控就一切安好了。

分析根源

我们回顾一下查询的语句和我们预期的索引，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等值查询，字段_id按照创建索引的方向进行倒序排序，为啥会这么慢?

但是，关键的一点就在 $lt 上

知识点一：索引、方向及排序

在MongoDB中，排序操作可以通过从索引中按照索引的顺序获取文档的方式，来保证结果的有序性。

如果MongoDB的查询计划器没法从索引中得到排序顺序，那么它就需要在内存中对结果排序。

注意：不用索引的排序操作，会在内存超过32MB时终止，也就是说MongoDB只能支持32MB以内的非索引排序

知识点二：单列索引不在乎方向

无论是MongoDB还是MySQL都是用的树结构作为索引，如果排序方向和索引方向相反，只需要从另一头开始遍历即可，如下所示：

#索引
db.records.createIndex({a:1});

#查询
db.records.find().sort({a:-1});

#索引为升序，但是我查询要按降序，我只需要从右端开始遍历即可满足需求，反之亦然
MIN01234567MAX

MongoDB的复合索引结构

官方介绍：MongoDB supports compound indexes, where a single index structure holds references to multiple fields within a collection’s documents.

复合索引结构示意图如下所示：

该索引刚好和我们讨论的是一样的，userid顺序，score倒序。

我们需要直面第二个问题：复合索引在使用时需不需要在乎方向?

假设两个查询条件：

#查询一
db.getCollection("records").find({
"userid":"ca2"
}).sort({"score":-1.0});


#查询二
db.getCollection("records").find({
"userid":"ca2"
}).sort({"score":1.0});

上述的查询没有任何问题，因为受到score字段排序的影响，只是数据从左侧还是从右侧遍历的问题，那么下面的一个查询呢?

#错误示范
db.getCollection("records").find({
"userid":"ca2",
"score":{
"$lt":NumberLong(2038092587)
}
}).sort({"score":-1.0});

错误原因如下：

• 由于score字段按照倒序排序，因此为了使用该索引，所以需要从左侧开始遍历
• 从倒序顺序中找小于某个值的数据，势必会扫描很多无用数据，然后丢弃，当前场景下找大于某个值才是最佳方案
• 所以MongoDB为了更多场景考虑，在该种情况下，放弃了复合索引，选用其他的索引，如 score 的单列索引

针对性修改

仔细阅读了根源之后，再回顾线上的查询语句，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});

犯的错误一模一样，所以MongoDB放弃了复合索引的使用，该为单列索引，因此进行针对性修改，把 $lt 条件改为 $gt 观察优化结果:

#原始查询
[TEMPINDEX]=>lt:{"limit":1000,"queryObject":{"_id":{"$lt":2039180008},"categoryId":23372,"orgCode":351414,"fixedStatus":{"$in":[1,2]}},"restrictedTypes":[],"skip":0,"sortObject":{"_id":-1}}

#原始耗时
[TEMPLT]=>超时（超时时间10s）

#优化后查询
[TEMPINDEX]=>gt:{"limit":1000,"queryObject":{"_id":{"$gt":2039180008},"categoryId":23372,"orgCode":351414,"fixedStatus":{"$in":[1,2]}},"restrictedTypes":[],"skip":0,"sortObject":{"_id":-1}}

#优化后耗时
[TEMPGT]=>耗时:383ms,ListSize:999

总结

分析了小2000字，其实改动就是两个字符而已，当然真正的改动需要考虑业务的需要，但是问题既然已经定位，修改什么的就不难了，回顾上述内容总结如下：

• 学习数据库知识的时候可以用类比的方式，但是需要额外注意其不同的地方(MySQL、MongoDB索引、索引的方向)
• MongoDB数据库单列索引可以不在乎方向，如对无索引字段排序需要控制数据量级(32M)
• MongoDB数据库复合索引在使用中一定要注意其方向，要完全理解其逻辑，避免索引失效