MongoDB - _id 索引大小的奇怪差异

Posted 2023-02-16

【中文标题】MongoDB - _id 索引大小的奇怪差异

【英文标题】：MongoDB - Weird difference in _id Index size

【发布时间】：2020-12-19 08:56:03

【问题描述】：

我在 12 个分片上有两个分片集合，文档数量相同。 Collection1 的 shard key 是复合的（使用了两个字段），它的文档由 4 个字段组成。 Collection2 2 的 shard key 是单一的，它的文档由 5 个字段组成。

通过 db.collection.stats() 命令，我得到了有关索引的信息。 我觉得奇怪的是，对于 Collection1，_id 索引的总大小为 1342MB。 相反，Collection2 的 _id 索引的总大小为 2224MB。这种差异合理吗？由于文档数量相同，我一直在等待总大小会更小。请注意，两个集合的分片键不集成 _id 字段。

【问题讨论】：

可能是这个原因：collStats.totalIndexSize - "...返回的大小反映了压缩后的大小。"

@prasad_ 是的，它反映了压缩后的大小，但即使在这种情况下，我们难道不希望有相似的大小吗？

【参考方案1】：

MongoDB 对索引使用前缀压缩。

这意味着如果索引中的连续值以相同的字节序列开头，则存储第一个值的字节，后续值包含指示前缀长度的标记。

根据 _id 值的数据类型，这可能是相当多的。

也可能有orphaned documents 导致一个节点的_id 索引中有更多条目。

【讨论】：

_id值的数据类型是默认的，基于ObjectId（十六进制字符串）。也许，这是因为分片之间的数据分布？

完全有可能。您可以通过直接连接到每个分片的主分片并使用db.collection.count()

来检查