刪除大量數據，無論是在哪種數據庫中，都是一個普遍性的需求。除了正常的業(yè)務需求，我們需要通過這種方式來為數據庫“瘦身”。

為什么要“瘦身”呢？

1、表的數據量到達一定量級后，數據量越大，表的查詢性能會越差。

畢竟數據量越大，B+樹的層級會越高，需要的IO也會越多。

2、表的數據有冷熱之分，將很多無用或很少用到的數據存儲在數據庫中會消耗數據庫的資源。

譬如會占用緩存；會增加備份集的大小，進而影響備份的恢復時間等。

所以，對于那些無用的數據，我們會定期刪除。

對于那些很少用到的數據，則會定期歸檔。歸檔，一般是將數據寫入到歸檔實例或抽取到大數據組件中。歸檔完畢后，會將對應的數據從原實例中刪除。

一般來說，這種刪除操作涉及的數據量都比較大。

對于這類刪除操作，很多開發(fā)童鞋的實現(xiàn)就是一個簡單的DELETE操作。看上去，簡單明了，干凈利落。

但是，這種方式，危害性卻極大。

以 MySQL 為例：

• 會造成大事務
  大事務會導致主從延遲，而主從延遲又會影響數據庫的高可用切換。
• 回滾表空間會不斷膨脹
  在MySQL 8.0之前，回滾表空間默認是放到系統(tǒng)表空間中，而系統(tǒng)表空間一旦”膨脹“，就不會收縮。
• 鎖定的記錄多
  相對而言，更容易導致鎖等待。

即使是分布式數據庫，如TiDB，如果一次刪除了大量數據，這批數據在進行Compaction時有可能會觸發(fā)流控。

所以，對于線上的大規(guī)模刪除操作，建議分而治之。具體來說，就是批量刪除，每次只刪除一部分數據，分多次執(zhí)行。

就如何刪除大量數據，接下來我們看看MongoDB中的落地方案。

本文主要包括以下四部分內容。

1. MongoDB中刪除數據的三種方式。
2. 三種方式的執(zhí)行效率對比。
3. 通過Write Concern規(guī)避主從延遲。
4. 刪除過程中碰到的Bug。
   

MongoDB中刪除數據的三種方式

在MongoDB中刪除數據，可通過以下三種方式：

db.collection.remove()

刪除單個文檔或滿足條件的所有文檔。

db.collection.deleteMany()

刪除滿足條件的所有文檔。

db.collection.bulkWrite()

批量操作接口，可執(zhí)行批量插入、更新、刪除操作。

接下來，對比下這三種方式的執(zhí)行效率。

三種方式的執(zhí)行效率對比

環(huán)境：MongoDB 3.4.4，副本集。

測試思路：分別使用 remove、deleteMany、bulkWrite 刪除 10w 條記錄（每批刪除 5000 條），交叉執(zhí)行 5 次。

1. remove

// delete_date是刪除條件
var delete_date = new Date("2021-01-01T00:00:00.000Z");
// 獲取程序開始時間
var start_time = new Date();
// 獲取滿足刪除條件的記錄數
rows = db.test_collection.find({"createtime": {$lt: delete_date}}).count()
print("total rows:", rows);
// 定義每批需要刪除的記錄數
var batch_num = 5000;
while (rows > 0) {
    // rows也可理解為剩余記錄數
    // 如果剩余記錄數小于batch_num，則將剩余記錄數賦值給batch_num
    // 為什么要怎么做，后面會提到。
    if (rows < batch_num) {
        batch_num = rows;
    }
    // 獲取滿足刪除條件的最小的5000個_id（ObjectID）
    var cursor = db.test_collection.find({"createtime": {$lt: delete_date}}, {"_id": 1}).sort({"_id": 1}).limit(batch_num);
    rows = rows - batch_num;
    cursor.forEach(function (each_row) {
        // 通過remove刪除記錄，這里指定了"justOne": true，每次只能刪除一條記錄。
        // 為了避免誤刪除，這里同時指定了主鍵和刪除條件。
        db.test_collection.remove({'_id': each_row["_id"], "createtime": {'$lt': delete_date}}, {
            "justOne": true,
            w: "majority"
        })
    });
}
// 獲取程序結束時間
var end_time = new Date();
// 兩者的差值，即為程序執(zhí)行時長
print((end_time - start_time) / 1000);

2. deleteMany

實例思路同remove類似，只不過會將待刪除的_id放到一個數組中，最后再通過deleteMany一次性刪除。

具體代碼如下：

var delete_date = new Date("2021-01-01T00:00:00.000Z");
var start_time = new Date();
rows = db.test_collection.find({"createtime": {$lt: delete_date}}).count()
print("total rows:", rows);
var batch_num = 5000;
while (rows > 0) {
    if (rows < batch_num) {
        batch_num = rows;
    }
    var cursor = db.test_collection.find({"createtime": {$lt: delete_date}}, {"_id": 1}).sort({"_id": 1}).limit(batch_num);
    rows = rows - batch_num;
    var delete_ids = [];
    // 將滿足條件的主鍵值放入到數組中。
    cursor.forEach(function (each_row) {
        delete_ids.push(each_row["_id"]);
    });
    // 通過deleteMany一次刪除5000條記錄。
    db.test_collection.deleteMany({
        '_id': {"$in": delete_ids},
        "createTime": {'$lt': delete_date}
    },{w: "majority"})
}
var end_time = new Date();
print((end_time - start_time) / 1000);

3. bulkWrite

實現(xiàn)思路同deleteMany類似，也是將待刪除的_id放到一個數組中，最后再調用bulkWrite進行刪除。

具體代碼如下：

var delete_date = new Date("2021-01-01T00:00:00.000Z");
var start_time = new Date();
rows = db.test_collection.find({"createtime": {$lt: delete_date}}).count()
print("total rows:", rows);
var batch_num = 5000;
while (rows > 0) {
    if (rows < batch_num) {
        batch_num = rows;
    }
    var cursor = db.test_collection.find({"createtime": {$lt: delete_date}}, {"_id": 1}).sort({"_id": 1}).limit(batch_num);
    rows = rows - batch_num;
    var delete_ids = [];
    cursor.forEach(function (each_row) {
        delete_ids.push(each_row["_id"]);
    });
    db.test_collection.bulkWrite(
        [
            {
                deleteMany: {
                    "filter": {
                        '_id': {"$in": delete_ids},
                        "createTime": {'$lt': delete_date}
                    }
                }
            }
        ],
        {ordered: false},
        {writeConcern: {w: "majority", wtimeout: 100}}
    )
}
var end_time = new Date();
print((end_time - start_time) / 1000);

接下來，看看三者的執(zhí)行效率。

結合表中的數據，可以看出，

1. 執(zhí)行最慢的是remove，執(zhí)行最快的是bulkWrite，前者差不多是后者的 2.79 倍。
2. deleteMany 和 bulkWrite 的執(zhí)行效率差不多，但就語法而言，前者比后者簡潔。
   

所以線上如果要刪除大量數據，推薦使用 deleteMany + ObjectID 進行批量刪除。

通過 Write Concern 規(guī)避主從延遲

雖然是批量刪除，但在MySQL中，如果沒控制好節(jié)奏，還是很容易導致主從延遲。在MongoDB中，其實也有類似的擔憂，不過我們可以通過 Write Concern 進行規(guī)避。

Write Concern，可理解為寫安全策略，簡單來說，它定義了一個寫操作，需要在幾個節(jié)點上應用（Apply）完，才會給客戶端反饋。

看下面這個原理圖。

圖中是一個一主兩從的副本集，設置了w: "majority"，代表一個寫操作，需要等待副本集中絕大多數節(jié)點（本例中是兩個）應用完，才能給客戶端反饋。

在前面的代碼中，無論是remove，deleteMany還是bulkWrite方法，都設置了w: "majority"。

之所以這樣設置，一方面是為了保證數據的安全性，畢竟刪除操作能在多個節(jié)點落盤，另一方面，還能有效降低批量操作可能導致的主從延遲風險。

Write Concern的完整語法如下，

{ w: <value>, j: <boolean>, wtimeout: <number> }

其中，

w：指定節(jié)點數或tags。其有如下取值：

• <number>：顯式指定節(jié)點數量。

設置為0，無需Server端反饋。

設置為1，只需Primary節(jié)點反饋。

設置為2，在副本集中，需要一個Primary節(jié)點（Primary節(jié)點必需）和一個Secondary節(jié)點反饋。

需要注意的是，這里的Secondary節(jié)點必須是數據節(jié)點，可以是隱藏節(jié)點、延遲節(jié)點或Priority為 0 的節(jié)點，但仲裁節(jié)點（Arbiter）絕對不行。

一般來說，設置的節(jié)點數越多，數據越安全，寫入的效率也會越低。

• majority：副本集大多數節(jié)點。

與上面不一樣的是，這里的Secondary節(jié)點不僅要求是數據節(jié)點，它的votes（members[n].votes）還必須大于0。

• <custom write concern name>：指定tags。

tag，顧名思義，是給節(jié)點打標簽。常用于多數據中心部署場景。

如一個集群，有5個節(jié)點，跨機房部署。其中3個節(jié)點在A機房，另外2個節(jié)點在B機房，因為對數據的安全性、一致性要求很高，我們希望寫操作至少能在A機房的2個節(jié)點落盤，B機房的1個節(jié)點落盤。

對于這種個性化的需求，只有通過tags才能實現(xiàn)。

具體使用，可參考：https://docs.mongodb.com/manual/tutorial/configure-replica-set-tag-sets/#configure-custom-write-concern。

j：是否需要等待對應操作的日志持久化到磁盤中。

在MongoDB中，一個寫操作會涉及到三個動作：更新數據，更新索引，寫入oplog，這三個動作要么全部成功，要么全部失敗，這也是MongoDB單行事務的由來。

對于每個寫操作，WiredTiger都會記錄一條日志到 journal 中。

日志在寫入journal之前，會首先寫入到 journal buffer（最大128KB）中。

Journal buffer會在以下場景持久化到 journal 文件中：

• 副本集中，當有操作等待oplog時。

這類操作包括：針對oplog最新位置點的掃描查詢；Causally consistent session中的讀操作；對于Secondary節(jié)點，每次批量應用oplog后。

• Write Concern 設置了 j: true。
• 每100ms。

由 storage.journal.commitIntervalMs 參數指定。

• 創(chuàng)建新的 journal 文件時。

當 journal 文件的大小達到100MB時會自動創(chuàng)建一個新的journal 文件。

wtimeout：超時時長，單位ms。

不設置或設置為0，命令在執(zhí)行的過程中，如果遇到了鎖等待或節(jié)點數不滿足要求，會一直阻塞。

如果設置了時間，命令在這個時間內沒有執(zhí)行成功，則會超時報錯，具體報錯信息如下：

rs:PRIMARY> db.test.insert({"a": 1}, {writeConcern: {w: "majority", wtimeout: 100}})
WriteResult({
    "nInserted": 1,
    "writeConcernError": {
        "code": 64,
        "codeName": "WriteConcernFailed",
        "errInfo": {
            "wtimeout": true
        },
        "errmsg": "waiting for replication timed out"
    }
})

刪除過程中遇到的Bug

其實，最開始的刪除程序是下面這個版本。

var delete_date = new Date("2021-01-01T00:00:00.000Z");
var start_time = new Date();
var batch_num = 5000;
while (1 == 1) {
    var cursor = db.test_collection.find({"createtime": {$lt: delete_date}}, {"_id": 1}).sort({"_id": 1}).limit(batch_num);
    delete_ids = []
    cursor.forEach(function (each_row) {
        delete_ids.push(each_row["_id"])
    });

    if (delete_ids.length == 0) {
        break;
    }
    db.test_collection.deleteMany({
        '_id': {"$in": delete_ids},
        "createtime": {'$lt': delete_date}
    }, {w: "majority"})
}
var end_time = new Date();
print((end_time - start_time) / 1000);

相對于效率對比章節(jié)的版本，這個版本的代碼簡潔不少。

1. 不用額外獲取需要刪除的記錄數。
2. batch_num在整個執(zhí)行過程中也是不變的。
   

但用這個版本在線上刪除數據時，發(fā)現(xiàn)了一個問題。

在刪除到最后一批時，程序會hang在那里。重試了多次依然如此。分析如下：

• 最后一批的文檔數小于batch_num時，會出現(xiàn)這個問題。

刪除同實例下另外一個集合，也出現(xiàn)了類似的問題。

但在測試環(huán)境，刪除一個簡單的集合卻沒有復現(xiàn)出來，懷疑這個Bug與線上集合的記錄過長有關。

• cursor只是一個迭代對象，并不是查詢結果?；赾ursor可以分批返回記錄，類似于Python中的迭代器。

最后一批也不是完全沒有返回，而是在返回100條之后才hang在那里。

• 不使用sort沒有這個問題。

為什么要使用sort呢？這樣可保證得到的id是有序且在物理上的存儲是相鄰的。這樣，在執(zhí)行批量刪除操作時，效率也會相對較高。

經過實際測試，當要刪除的數據量較大時，使用sort的效率確實比不使用的要高。

如果刪除的數據量較小，使不使用sort則沒多大區(qū)別。

總結

從最佳實踐的角度出發(fā)，無論是在哪種數據庫中，如果都刪除（更新）大量數據，都建議分而治之，分批執(zhí)行。

在MongoDB中，如果要刪除大量數據，推薦使用deleteMany + ObjectID進行批量刪除。

為了保證操作的安全性及規(guī)避批量操作帶來的主從延遲風險，建議在執(zhí)行刪除操作時，將Write Concern設置為w: "majority"。

到此這篇關于MongoDB中優(yōu)雅刪除大量數據的文章就介紹到這了,更多相關MongoDB刪除大量數據內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

參考

[1] Journaling

[2] Write Concern

最新評論