readConcern
- 问题综述：（在读取数据的过程中需要关注以下两个问题）
- 从哪里读？即关注数据节点的位置。
- 什么样的数据可以读？关注数据的隔离性。
- 第一个问题是由 readPreference 来解决的。
- readPreference 在很早的版本就有了。
- readPreference 以下五个可选值：
- primary：只选择主节点；
- primaryPreferred：优先选择主节点，如果不可用则选择从节点；
- secondary：只选择从节点；
- secondaryPreferred：优先选择从节点，如果从节点不可用则选择主节点；
- nearest：选择最近的节点（ping mongod服务器哪个最近就用哪个）；
- 场景举例：
- 用户下订单后马上将用户转到订单详情页面——primary/primaryPreferred。因为此时从节点可能还没复制到新订单；
- 用户查询自己下过的订单——secondary/secondaryPreferred。查询历史订单对实效性通常没有太高的要求；
- 生成报表——secondary。报表对实效性要求不高，但资源需求大，可以在从节点单独处理，避免对线上用户造成影响；
- 将用户上传的图片分发到全世界，让各地用户能够就近读取——nearest。每个地区的应用选择最近的节点读取数据；
- readPreference 与 Tag
- readPreference 只能控制使用一类节点。Tag则可以将节点选择控制到一个或几个节点。考虑以下场景：
- 一个5节点的复制集；
- 3个节点（1主2从）硬件较好，专用于服务线上用户（OLTP）；
- 2个节点（2从）硬件较差，专用于生成报表（OLAP）；
- 可以使用Tag来达到这样的控制目的：
- 为3个较好的节点打上 {purpose:"online"}；
- 为2个较差的节点打上 {purpose:"analyse"}；
- 在线应用读取时指定online，报表读取时指定reporting。
- readPreference 配置
- 通过 MongoDB 的连接串参数：
mongodb://host1:27017,host2:27017,host3:27017/?replicatSet=rs&readPreference=secondary- 通过 MongoDB驱动程序API：
MongoCollection.withReadPreference(ReadPreference readPref)- Mongo Sehll（单个操作时指定）：
db.collection.find({...}).readPref("secondary")- readPreference 实验：从节点读
- 主节点写入{x:1}，观察该数据在各个节点立即可见。
- 在两个从节点分别执行 db.fsyncLock() 来锁定写入（同步）。
- 主节点写入
- db.test.find({a:123})
- db.test.find({a:123}).readPref("secondary")
- 解除从节点锁定 db.fsyncUnlock()
- db.test.find({a:123}).readPref("secondary")
- 注意事项：
- 指定 readPreference 时应注意高可用的问题。例如将 readPreference 指定 primary，则发生故障转移不存在 primary 期间将没有节点可读。如果业务允许，则应选择 primaryPreferred；
- 使用 Tag 时也会遇到同样的问题，如果只有一个节点拥有一个特定 Tag，则在这个节点失效时将无节点可读。这在有时候时期望结果，有时候不是。例如：
- 如果报表使用的节点失效，即使不生成报表，也不希望将报表负载转移到其他节点上，此时只有一个节点有报表 Tag 是合理的选择。
- 如果线上节点失效，通常希望有替代节点，所以应该保持多个节点有同样的 Tag；
- Tag 有时需要与优先级、选举权综合考虑。例如做报表的节点通常不会希望它作为主节点，则优先级应该为0。
- 第二个问题是由 readConcern 来解决。
- 什么是 readConcern ？
- 在 readPreference 选择了指定的节点后，readConcern 决定这个节点上的数据哪些是可读的，类似于关系数据库的隔离级别。
- 可选值包括：
- available 读取所有可用的数据，什么都不管；（从节点读取时默认 avaliable）
- local 读取所有可用且属于当前分片的数据；（主节点读取时默认 local）
- local 和 avaliable 在没有分片集群的情况下是几乎一致的。
- 但是在分片迁移（chunk）的过程中，可能会存在数据同时出现在两个分片集的情况，这时可能会出现数据重复的问题。
- majority 读取在大多数节点上提交完成的数据；（推荐使用）
- linearizable 可线性化读取文档，保证这次的读是可以读到上一次的写的；
- snapshot 读取最近快照中的数据，差不多可以达到关系型数据库中序列化的级别，隔离级别最高的；
- 注意事项：
- 在主节点读取数据时默认 readConcern 是 local，在从节点读取数据时默认的 readConcern 是 avaliable的（出于向前兼容）；
- MongoDB <= 3.6 不支持对从节点使用 {readConcern: "local"}；
- 虽然看上去总应该选择 local，但会在对结果集过滤过程产生额外消耗。在一些无关紧要的场景（如统计）下，也可以考虑使用 avaliabel。
- readConcern: "majority"
- 实验：readConcern: "majority" vs "local"
- 安装3节点复制集。
- 注意在配置文件内 replication 的参数 enableMajorityReadConcern 需要打开。
replication:
replSetName: rs0
enableMajorityReadConcern: true- 将复制集中两个从节点使用 db.fsyncLock() 锁住写入（模拟同步高延迟）。
db.test.save({"a":1}) # 主节点：写入。
db.fsyncLock() # 两个从节点：分别执行。
db.test.find().readConcern("local")
db.test.find().readConcern("majority") # 此时会阻塞
db.fsyncUnlock() # 在一个从节点上解除写锁。
db.test.find().readConcern("majority") # 这次可以成功读取。- 结论：
- 使用 local 参数，则可以直接查询到写入数据。
- 使用 majority，只能查询到已经被多数节点确认过的数据。
- update 与 remove 与上同理。
- readConcern: majority 与 脏读
- MongoDB 中的回滚：
- 写操作在到达大多数节点前都是不安全的，一旦主节点崩溃，从节点还没复制到此次操作，则刚才的写操作就丢失了。
- 把一次写操作视为一个事务，从事务的角度，可以认为事务被回滚了。
- 所以从分布式系统的角度来看，事务的提交被提升到了分布式集群多个节点级别的提交，而不再是单个节点上的提交。
- 在可能发生回滚的前提下考虑脏读问题：
- 如果在一次写操作到达大多数节点前读取了这个写操作，然后因为系统故障该操作回滚了，则发生了脏读问题；
- 使用 {readConcern:"majority"} 可以有效避免脏读。
- readConcern 如何实现安全的读写分离
- 考虑如下场景：
- 向主节点写入一条数据，立即在从节点读取这条数据。
- 错误方式：
db.orders.insert({old:101,sku:"kite",q:1})
db.orders.find({old:101}).readPref("secondary")- 正确方式：writeConcern + readConcern majority 来解决：
db.orders.insert({old:101,sku:"kite",q:1}, {writeConcern:{w:"majority"}})
db.orders.find({old:101}).readPref("secondary").readConcern("majority")- 小测试
- readConcern 主要关注读的隔离性，ACID 中的 Isolation，但是是分布式数据库特有的概念。
- readConcern:"majority" 相应于事务中隔离级别中的 Read Committed。
- readConcern:"linearizable" 略
- readConcern:"snapshot"
- 只在多文档事务中生效。
- 讲一个事务的 readConcern 设置为 snapshot，将保证在事务中的读：
- 不出现脏读；
- 不出现不可重读；
- 不出现幻读。
- 因为所有的读都将使用同一个快照，直到事务提交为止该快照才被释放。
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
