MongoDB 空间占用排查指南 如何检查未分片的大容量集合

精准识别MongoDB集群中占用大量磁盘空间且未进行分片的集合，是保障数据库性能与可扩展性的核心运维工作。许多管理员习惯首先查看db.stats()的汇总信息，但这通常无法定位到具体的问题集合。本文将系统性地解析排查思路，并提供可直接操作的具体步骤。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

为何 db.stats() 无法直接定位未分片的大集合

关键在于数据粒度。db.stats()提供的是数据库级别的聚合统计，无法揭示单个集合的磁盘消耗详情，更无法区分其分片状态。设想一个未分片的大型集合，其全部数据都堆积在单一主分片上，但从数据库的总览数据中，你无法直接找出这个潜在的性能瓶颈。

正确的解决思路是进行逐集合分析：

• 首先，进入目标数据库，使用db.getCollectionNames()命令获取所有集合的名称列表。
• 随后，针对列表中的每一个集合，执行db..stats()来获取其详细状态信息。
• 分析时需要重点关注几个核心字段：size（集合中数据的总大小）、storageSize（集合在磁盘上占用的总空间，包含预分配和压缩开销），以及至关重要的shardKey字段。
• 如果返回的shardKey是一个空对象{}，或者该字段不存在，则明确表示此集合未启用分片功能。
• 重要提示：在分片集群环境中，collStats命令（即db.collection.stats()的底层）必须通过mongos路由器执行。直接连接至某个分片节点执行，将无法获得集群的全局视图。

利用 sh.status() 筛选分片状态，但需结合空间分析

sh.status()是另一个常用命令，它能清晰展示已分片集合的分片键定义及数据块在各分片上的分布情况。然而，其局限性在于不提供具体的空间占用数据。它只会标记一个集合“未分片”，但不会告诉你这个未分片的集合已经悄然占用了数十GB的磁盘空间。

因此，sh.status()更适合作为初步筛选工具：

• 首先运行sh.status()，记录所有显示为shard key: {}的集合及其所属数据库，形成“未分片集合候选列表”。
• 接着，逐一切换到对应数据库，对列表中的每个集合执行db..stats({scale: 1048576})。添加scale参数可将单位转换为MB，使数据更易读。
• 此时需重点对比storageSize与size。若前者显著大于后者，且nindexes（索引数量）较多，则可能由索引占用、文档删除后空间未回收（产生碎片）等原因导致空间膨胀。
• 注意：请勿依赖totalSize字段，在WiredTiger存储引擎下该字段已被弃用，且数值可能不准确。

自动化巡检脚本的编写要点与权限考量

手动逐库逐表检查效率低下，编写自动化巡检脚本是更佳实践。但在脚本开发中，权限问题常成为绊脚石。要扫描整个集群的所有数据库和集合，首先需要获取数据库列表。普通用户账号通常不具备listDatabases权限；即使有，也可能对某些数据库缺少listCollections权限。脚本提示“not authorized”错误，往往源于权限配置而非代码逻辑。

编写高效可靠的MongoDB分片与空间巡检脚本，需注意以下关键点：

• 获取数据库列表：务必使用db.adminCommand({listDatabases: 1, nameOnly: true})命令。show dbs或硬编码库名均非可靠方法。
• 配置连接权限：用于执行脚本的MongoDB连接角色，至少需要拥有clusterAdmin权限（用于执行sh.status()和listDatabases），同时还需对每个待巡检的目标数据库具备read角色。否则，执行db..stats()时会因权限不足而失败。
• 正确连接入口：脚本务必在mongos实例上运行，避免直连分片节点。在分片节点上运行，sh.status()会报错，且stats()返回的仅是局部数据块信息，缺乏全局性。
• 增强健壮性：使用try/catch结构包裹对每个集合的stats()调用。这样当遇到权限不足或集合已被删除等情况时，脚本可以跳过当前异常继续执行，而非整体中断。

解读结果：storageSize 远大于 size 的优化策略

脚本运行后，你可能会发现一些“异常”集合：其storageSize（例如15GB）远高于size（例如2GB）。这通常表明磁盘上存在大量空间碎片（“空洞”），可能由批量删除文档后空间未回收，或旧版WiredTiger存储引擎因频繁更新导致内部结构膨胀引起。

针对此类空间膨胀问题，可采取以下优化措施：

• 确认存储引擎：首先执行db.serverStatus().storageEngine.name确认存储引擎为WiredTiger，因为只有该引擎支持在线压缩。
• 执行在线压缩：对于未分片的集合，可在其所在数据库的主节点上（注意：非通过mongos）执行db.runCommand({compact: “”})来回收空间。需注意，此命令会短暂阻塞该集合的写入操作，可能影响线上业务，建议在低峰期进行。
• 数据重建方案：一个更彻底但步骤稍多的方案是：导出数据（mongoexport）、删除原集合（db..drop()）、重新创建集合并导入数据（mongoimport）。此方法能完全重建表与索引，实现最彻底的空间回收。
• 检查并优化索引：最后，使用db..getIndexes()检查索引设计。冗余或低效的索引（例如同时存在{a:1}和{a:1,b:1}）也会持续占用storageSize，应考虑删除不必要的索引。

最后，需理性评估脚本输出结果。最容易产生误判的是那些刚创建、数据量极小的“空集合”。它们虽然shardKey为空，但storageSize可能显示有几MB，这通常是存储引擎预分配的初始文件，并非真实的存储压力。运维决策应聚焦于那些storageSize显著（例如超过100MB）且未分片的集合，对于其他情况，可纳入监控并持续观察。