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？

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。

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，很多開發童鞋的實現就是一個簡單的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表空間中，而系統表空間一旦”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時有可能會觸發流控。

所以，對于線上的大規模刪除操作，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。

MongoDB中刪除數據的三種方式。

三種方式的執行效率對比。

通過Write Concern規避主從延遲。

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，可執行批量插入、更新、刪除操作。

接下來，對比下這三種方式的執行效率。

三種方式的執行效率對比

環境：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，看看三者的執行效率。

刪除方式平均執行時間（s）第一次第二次第三次第四次第五次

remove	47.341	49.606	48.487	49.314	47.572	41.727
deleteMany	16.951	16.566	18.669	17.932	18.66	12.928
bulkWrite	16.476	17.247	14.181	16.151	18.403	16.397

結合表中的數據，可以看出，

執行最慢的是remove，執行最快的是bulkWrite，前者差不多是后者的 2.79 倍。

deleteMany 和 bulkWrite 的執行效率差不多，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 規避主從延遲

雖然是批量刪除，但在MySQL中，如果沒控制好節奏，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：指定節點數或tags。其有如下取值：

• <number>：顯式指定節點數量。

  設置為0，無需Server端反饋。

  設置為1，只需Primary節點反饋。

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

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

  一般來說，設置的節點數越多，數據越安全，寫入的效率也會越低。

• majority：副本集大多數節點。

  與上面不一樣的是，這里的Secondary節點不僅要求是數據節點，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個節點，跨機房部署。其中3個節點在A機房，另外2個節點在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個節點落盤，B機房的1個節點落盤。

  對于這種個性化的需求，只有通過tags才能實現。

  具體使用，可參考：Configure Replica Set Tag Sets — MongoDB Manual。

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。

• 創建新的 journal 文件時。

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

wtimeout：超時時長，單位ms。

不設置或設置為0，命令在執行的過程中，如果遇到了鎖等待或節點數不滿足要求，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的版本，這個版本的代碼簡潔不少。

不用額外獲取需要刪除的記錄數。

batch_num在整個執行過程中也是不變的。

但用這個版本在線上刪除數據時，發現了一個問題。

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，會出現這個問題。

  刪除同實例下另外一個集合，也出現了類似的問題。

  但在測試環境，刪除一個簡單的集合卻沒有復現出來，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。基于cursor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則沒多大區別。

總結

從最佳實踐的角度出發，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避批量操作帶來的主從延遲風險，建議在執行刪除操作時，將Write Concern設置為w: "majority"。?

總結

以上是生活随笔為你收集整理的MongoDB中如何优雅地删除大量数据的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。