MongoDB分片集群分片节点优雅重启方法

MongoDB分片集群中的每个节点，本质上都是副本集的一员。如果直接重启某个节点，例如通过db.shutdownServer()或systemctl命令，相当于在副本集中执行了一次强制断电操作。这种做法非常不优雅，反而会埋下一系列隐患。

直接重启单个分片节点会带来哪些风险？

由于分片节点是副本集成员，单独重启会强制触发一次replica set election选举。如果该节点恰好是PRIMARY，选举期间写入操作将会失败；如果正在执行chunk迁移，moveChunk命令可能卡住甚至回滚，后续sh.status()显示chunkTooBig或jumbo标记。更隐蔽的问题是，mongos缓存的路由信息可能未能及时刷新，导致部分查询落到旧的primary上，返回陈旧数据。

• 核心判断原则：必须先确认该节点当前不是PRIMARY（通过rs.status().myState判断，值为2表示SECONDARY）
• 还需确保没有正在进行的moveChunk操作（查询db.adminCommand({listCurrentOperations: 1, $all: true})，过滤"command": "moveChunk"）
• 如果该节点正是PRIMARY，先执行rs.stepDown()，等待新PRIMARY选出并稳定（rs.status().members[n].stateStr === "PRIMARY"），再执行后续操作

真正安全的分片节点重启流程

核心思路不是“重启一个节点”，而是在副本集上下文中可控地替换一个成员。关键操作都在admin库下完成，无需依赖外部进程管理器：

• 连接目标节点（例如mongo --host shard1-node2:27018），执行use admin
• 运行db.shutdownServer({force: false, timeoutSecs: 30}) —— 其中force: false可防止强制终止活跃连接，timeoutSecs为复制积压留出缓冲时间
• 等待该节点完全退出（检查进程或端口是否释放），然后启动它（如果是systemd，使用systemctl start mongod@shard1-node2，注意实例名不要写错）
• 启动后立即验证：mongo --host shard1-node2:27018 --eval "rs.status().ok"返回1，且rs.status().members[n].stateStr为SECONDARY或ARBITER

云厂商控制台重启的隐藏陷阱

京东云、紫光云等控制台提供的“重启”按钮看似方便，但实际行为不可控：

• 它调用的是底层kill -15加二进制拉起，不走MongoDB内部关闭流程，moveChunk可能被硬中断
• Config Server节点在多数云平台默认禁用重启按钮（文档明确写明“分片集群不支持实例级别重启”），但控制台有时仍显示可点——点了就会报Failed to load config database
• 重启后外网域名可能变更（尤其弹性IP未绑定时），应用连接字符串若写死域名，会导致静默失败

最容易被忽略的环节是验证：重启完一个分片节点后，必须执行sh.status()确认chunks分布是否均衡、balancer是否仍在off状态、所有shard的ok字段是否为1。漏掉这一步，问题往往在第二天凌晨流量高峰时才暴露出来。