记一次十亿级时延敏感集群+索引引起的业务抖动及快速恢复方法

线上某MongoDB集群存储影响公司收入流水的核心数据，本文分享该集群为何多个索引串行后台会引起集群抖动，并且部分节点出现了连接数耗光等问题。同时通过本案例，给出时延敏感业务该最优方式添加索引，做到对业务最小化影响或者无影响。

索引对业务查询性能提升起着至关重要的作用，但是绝大部分MongoDB程序员和DBA对时延敏感业务的索引添加方法是错误的。

本文主要完成一下几个目的：

• 为何backgroud后台加索引会引起时延敏感集群抖动？
• 为何前面两个索引添加过程没触发告警，第三个索引添加完成后才触发告警？
• 为何只有从节点抖动，主节点时延一切正常？
• 为何连接数暴涨？
• 连接数耗光，mongo shell无法登陆查看节点内部状态信息，如何破局？
• 时延敏感型业务如何做到业务无感知索引添加？

1. 业务背景

某业务存储公司核心数据，集群异常会影响公司流水收入，该业务对时延非常敏感，稍有抖动就容易引起客户端超时异常，该业务场景如下：

• 数据量很小，10亿级
• 核心业务
• 时延敏感
• 分片模式，单个分片
• 读写分离
• 读多写少
• 峰值流量8-10W/s

该集群对应MongoDB内核版本：3.6.13，某天业务自己通过MongoDB管控平台串行方式添加几个索引(backgroud后台添加)，一个索引添加执行完成返回后，业务开始下一个索引的添加。

添加第一个索引和第二个索引完成后，业务没告警，但是当业务添加完第三个索引后，开始收到部分查询时延超过阀值告警。

2. 集群架构

2.1 集群部署架构

该集群部署架构如下：

该业务集群对应流量监控曲线如下：

如上图所示，该业务部署只有一个分片，该分片为一主四从结构5节点。分片1采用5节点的原因如下：

①核心业务，5副本方式部署，可以容忍两个节点估值

②时延敏感，由于业务优先读从节点，因此可以通过增加分片从节点的方式提升业务的QPS。

2.2 一个分片为何要选择分片模式？

一个分片为何要选择分片模式？复制集不是可以满足要求吗？