Mongo Cursor

Posted fengzzi

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Mongo Cursor相关的知识,希望对你有一定的参考价值。

简介

在使用 Java 对数据库进行连接时,都会获取到一个 cursor ,cursor 实际指到的是我们查询数据库的query,而并不是 query 查询到的数据集。

此次在使用 mongo 的 cursor 的过程中,对线上数据库产生了很大压力,在这里对此次的优化过程进行记录。

场景

数据源:Mongo 数据库 4台服务器 4000+表 总共3亿+数据量

背景介绍:即将建立大数据平台,需要将数据源的数据导入到 hbase 中,分为历史数据导入和实时 opLog 数据导入两部分

方案:

  1. 多线程历史数据导入
  2. 多线程实时数据导入

问题描述:

  1. 导入的数据占据资源
    1. 硬盘资源 计算需要占用的硬盘资源,事先确认硬盘资源是否充足
    2. CPU 确认运行脚本的服务器处于半空闲状态
    3. 内存 运行jar包时的脚本配置内存即可
  2. 对线上数据库的连接没有释放,导致线上数据库压力
    1. 历史数据导入时,每个线程都会新建连接,之后关闭 #可能没有关闭
    2. 实时数据导入时,轮询产生连接,但是关闭时间较长,导致的连接数增长 #关闭时长较长

解决方法:

  1. 历史数据导入时的每个线程所建立的连接,修改逻辑,使其一定被关闭
  2. 实时数据导入时的每个线程的读取 opLog 的 cursor ,使其保持活性
  3. 创建连接池,确保连接数在一定时间内

知识点

cursor

cursor的获取:find() 方法返回的是一个 FindIterable

1)batchSize(int size):每次网络请求返回的document条数,比如你需要查询500条数据,mongodb不会一次性全部load并返回给client,而是每次返回batchSize条,遍历完之后后再通过网路IO获取直到cursor耗尽。默认情况下,首次批量获取101个document或者1M的数据,此后每次4M,当然我们可以通过此方法来覆盖默认值,如果文档尺寸较小,则建议batchSize可以大一些。

2)skip(int number)、limit(int number):同SQL中的limit字句,即表示在符合匹配规则的结果集中skip一定数量的document,并最终返回limit条数据。可以实现分页查询。

3)maxTime(int time,TimeUnit unit):表示此次操作保持的最长时间,即server端保持cursor状态的最长时间,如果超时server端将移除此cursor,即再次通过此cursor遍历数据将会error。

4)sort(Bson bson):根据指定field排序,参与排序的字段最好是索引,如果不是,将会在内存中排序,如果参与排序的数据尺寸大于32M,将会抛出error。1表示正序,-1表示倒叙,比如"age":1表示按照age正序排序。

5)noCursorTimeout(boolean timeout):如果cursor空闲一定时间后(10分钟),server端是否将其移除,默认为false,即server会将空闲10分钟的cursor移除以节约内存。如果为true,则表示server端不需要移除空闲的cursor,而是等待用户手动关闭。无论如何,开发者都需要注意,手动关闭cursor。

6)partial(boolean partial):对于sharding集群,如果一个或者多个shard不可达,是否允许返回部分数据(只从正常的shard中获取数据)。

7)cursorType():指定cursor类型,当cursor遍历完毕后是否关闭cursor,默认是关闭,无论何时都建议手动关闭cursor(不管是否耗尽curosr);当然有些开发场景可能需要保持cursor的活性,遍历到cursor的最后一条后,不关闭cursor,继续等待,此后一段时间内如果有新数据插入到cursor之后,则可以继续遍历,这就是Tailable Cursor,通常对于Capped Collection中使用。目前支持支持3种类型的Cursor:NonTailable、Tailable、TailableAwait。

8)projection(Bson bson):限定返回结果中需要包含的filed或者数组元素。在6)中我们已经看到相关的几个例子。默认情况下,将会返回document的所有字段,1表示包含,0表示不包含。

连接池

Mongo Client本身即是一个连接池,有默认参数,也可以自己设置参数,建议全局使用同一个mongo的client实例。

NOTE: 连接池里的连接数 = ConnectionsPerHost * threadsAllowedToBlockForConnectionMultiplier

参数说明:来自于http://api.mongodb.com/java/3.2/

com.mongodb

Class MongoClientOptions.Builder

参数名 默认参数值 参数说明
ConnectionsPerHost 100 设置每台主机的最大连接数
Description null
RequiredReplicaSetName null 设置群集所需的副本集名称
ConnectTimeout 10000 设置连接超时
HeartbeatConnectTimeout 20000 设置用于群集心跳的连接的连接超时
HeartbeatFrequency 10000 设置心跳频率。这是驱动程序尝试确定群集中每个服务器当前状态的频率。默认值为10,000毫秒
HeartbeatSocketTimeout 20000 设置用于群集心跳的连接的套接字超时
LocalThreshold 15 设置本地阈值
MaxConnectionIdleTime 0 设置池连接的最大空闲时间
MaxConnectionLifeTime 0 设置池连接的最长生存期
MaxWaitTime 120000 设置线程阻塞等待连接的最长时间
MinConnectionsPerHost 0 设置每台主机的最小连接数
MinHeartbeatFrequency 500 设置最小心跳频率。如果驱动程序必须频繁地重新检查服务器的可用性,它至少会在上次检查后等待这么长时间,以避免浪费精力。默认值为500毫秒
ServerSelectionTimeout 30000 以毫秒为单位设置服务器选择超时,这定义了驱动程序在引发异常之前等待服务器选择成功的时间。 值0表示如果没有服务器可用,它将立即超时。负值意味着无限期等待。
SocketTimeout 0 设置socket超时
threadsAllowedToBlockForConnectionMultiplier 5 设置允许阻塞等待连接的线程数的乘数。
socketKeepAlive 设置是否启用套接字保持活动
sslEnabled 设置是否使用SSL。将此设置为true也会将SocketFactory设置为sLSocketFactory。GetDefault ( )并将此设置为false会将SocketFactory设置为SocketFactory。GetDefault ( )
sslInvalidHostNameAllowed 定义是否允许无效主机名。默认为false。在将此设置为真之前要小心,因为这会使应用程序容易受到中间人攻击
readPreference 设置读取首选项
writeConcern 设置写入关注点。
readConcern 设置读取关注点。
codecRegistry 设置编解码器注册表
请注意,DB和DBCollection的实例不使用注册表,因此无需在注册表中包含DBObject的编解码器。
addCommandListener 添加给定的命令侦听器。
socketFactory 设置socket工厂。
cursorFinalizerEnabled 设置是否启用游标终结器
alwaysUseMBeans 设置驱动程序注册的JMX Beans是否应该始终是MBean,而不管VM是Java 6还是更高版本。如果为false,如果虚拟机为Java 6或更高版本,驱动程序将使用MXBeans,如果虚拟机为Java 5,则使用mbean。
dbDecoderFactory 设置解码器工厂
dbEncoderFactory 设置编码器工厂
legacyDefaults 将默认值设置为MongoOptions中的值

以上是关于Mongo Cursor的主要内容,如果未能解决你的问题,请参考以下文章

Mongo小结

Errr 'mongo.js:L112 错误:无法在 src/mongo/shell/mongo.js:L112 连接到服务器 127.0.0.1:27017'

mongo-connector来同步mongo

mongo 笔记

mongo创建新用户与数据库

使用mongo shake实现从一个单实例mongo往多个mongo单实例进行数据同步