MongoDB中如何优雅地删除大量数据

删除大量数据，无论是在哪种数据库中，都是一个普遍性的需求。除了正常的业务需求，我们需要通过这种方式来为数据库“瘦身”。

为什么要“瘦身”呢？

1. 表的数据量到达一定量级后，数据量越大，表的查询性能会越差。

   毕竟数据量越大，B+树的层级会越高，需要的IO也会越多。

2. 表的数据有冷热之分，将很多无用或很少用到的数据存储在数据库中会消耗数据库的资源。

   譬如会占用缓存；会增加备份集的大小，进而影响备份的恢复时间等。

所以，对于那些无用的数据，我们会定期删除。

对于那些很少用到的数据，则会定期归档。归档，一般是将数据写入到归档实例或抽取到大数据组件中。归档完毕后，会将对应的数据从原实例中删除。

一般来说，这种删除操作涉及的数据量都比较大。

对于这类删除操作，很多开发童鞋的实现就是一个简单的DELETE操作。看上去，简单明了，干净利落。

但是，这种方式，危害性却极大。

以 MySQL 为例：

• 会造成大事务

  大事务会导致主从延迟，而主从延迟又会影响数据库的高可用切换。

• 回滚表空间会不断膨胀

  在MySQL 8.0之前，回滚表空间默认是放到系统表空间中，而系统表空间一旦”膨胀“，就不会收缩。

• 锁定的记录多

  相对而言，更容易导致锁等待。

即使是分布式数据库，如TiDB，如果一次删除了大量数据，这批数据在进行Compaction时有可能会触发流控。

所以，对于线上的大规模删除操作，建议分而治之。具体来说，就是批量删除，每次只删除一部分数据，分多次执行。

就如何删除大量数据，接下来我们看看MongoDB中的落地方案。

本文主要包括以下四部分内容。

1. MongoDB中删除数据的三种方式。
2. 三种方式的执行效率对比。
3. 通过Write Concern规避主从延迟。
4. 删除过程中碰到的Bug。

MongoDB中删除数据的三种方式

在MongoDB中删除数据，可通过以下三种方式：

• db.collection.remove()

  删除单个文档或满足条件的所有文档。

• db.collection.deleteMany()

  删除满足条件的所有文档。

• db.collection.bulkWrite()

  批量操作接口，可执行批量插入、更新、删除操作。

接下来，对比下这三种方式的执行效率。

三种方式的执行效率对比

环境：MongoDB 3.4.4，副本集。

测试思路：分别使用 remove、deleteMany、bulkWrite 删除 10w 条记录（每批删除 5000 条），交叉执行 5 次。

1. remove

// delete_date是删除条件
var delete_date = new Date("2021-01-01T00:00:00.000Z");
// 获取程序开始时间
var start_time = new Date();
// 获取满足删除条件的记录数
rows = db.test_collection.find({"createtime": {$lt: delete_date}}).count()
print("total rows:", rows);
// 定义每批需要删除的记录数
var batch_num = 5000;
while (rows > 0) {
    // rows也可理解为剩余记录数
    // 如果剩余记录数小于batch_num，则将剩余记录数赋值给batch_num
    // 为什么要怎么做，后面会提到。
    if (rows < batch_num) {
        batch_num = rows;