MongoDB 在集群模式下Count也真实数据量不一致

1. 背景

在同步Clickhouse数据时，发现MongoDB数据量与Clickhouse数据量不一致，经同事提醒，可能是分片MongoDB集群Count不一致导致吗，于是Google查询相关资料

2.相关信息

通过查看官网发现中有解释这种现象的解释

• On a sharded cluster, db.collection.count() can result in an inaccurate count if orphaned documentsexist or if a chunk migration is in progress.

• To avoid these situations, on a sharded cluster, use the $group stage of the db.collection.aggregate() method to $sum the documents. For example, the following operation counts the documents in a collection

官方文档解释了这种现象的原因以及解决方法： 不准确的原因：

• 操作的是分片的集合（前提）；
• shard 分片正在做块迁移，导致有重复数据出现
• 存在孤立文档（因为不正常关机、块迁移失败等原因导致）

解决方法
使用聚合 aggregate 的方式查询 count 数量，shell 命令如下：

1
2
3
4
5

db.collection.aggregate(
   [
      { $group: { _id: null, count: { $sum: 1 } } }
   ]
)

java 代码 所以在 Java 中也可以采用聚合的方式获取 count 结果，使用聚合 aggregate 的方式可以准确的获取 sharding 后的集合的 count 结果。

1
2
3
4
5
6
7
8
9
10
11
12

DBObject groupFields = new BasicDBObject("\_id", null);
groupFields.put("count", new BasicDBObject("$sum", 1));
BasicDBObject group = new BasicDBObject("$group", groupFields);

List<BasicDBObject> aggreList = new ArrayList<BasicDBObject>();
aggreList.add(group);
AggregateIterable<Document> output = collection.aggregate(aggreList);

for (Document dbObject : output)
{
      System.out.println("Aggregates count = "+ dbObject);
}

参考

• MongoDB：count 结果不准确的原因与解决方法

• 官方文档