「生产事故」MongoDB复合索引引发的灾难

前情提要

1. 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。
2. 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。
3. 最终定位问题是由于：服务器自身磁盘 + 大量慢查询导致
4. 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       | 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: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 } } } 

# 耗时
179530ms

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
MIN 0 1 2 3 4 5 6 7 MAX

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

# 原始耗时
[TEMP LT] => 超时 （超时时间10s）

# 优化后查询
[TEMP INDEX] => 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
[TEMP GT] => 耗时: 383ms , List Size: 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

最后

如果你觉得这篇内容对你挺有帮助的话：

1. 当然要点赞支持一下啦~
2. 搜索并关注公众号「是Kerwin啊」，一起唠唠嗑~
3. 再来看看最近几篇的「查漏补缺」系列吧，该系列会持续输出~
   • 「查缺补漏」巩固你的Nginx知识体系
   • 「查缺补漏」巩固你的RocketMQ知识体系
   • 「查缺补漏」巩固你的Redis知识体系（笑）
   • 悄咪咪提高团队幸福感 & Surprise！