解决问题之前，先在脑海中演绎一下当时场景
某日早上八点半，笔者接到客户反馈，门户首页待办访问异常缓慢，经常出现“访问异常，点击重试”。当时直觉告诉我，应该是大量用户高并发访问 MongoDB 库，导致 MongoDB 库连接池出问题了，因为上线发版时，功能是正常的。
由于是上周五晚上发版验证后，周六日使用门户的用户比较少，一直没发现问题，直到下周一才集中爆发门户访问不可用。
请开始我的表演
一开始运维组认为是加了 MongoDB 审计日志造成的，因为有大量针对 MongoDB 做写审计日志写操作，确实会降低服务器性能。 通过查看服务日志，也发现非常多的 MongoDB 访问 timeout 异常信息。
<code>com.mongodb.MongoTimeoutException: Timed out after 30000 ms while waiting for a server that matches ReadPreferenceServerSelector{readPreference=primary}. Client view of cluster state is {type=UNKNOWN, servers=[{address=10.236.2.183:27017, type=UNKNOWN, state=CONNECTING, exception={com.mongodb.MongoSocketOpenException: Exception opening socket}, caused by {java.net.ConnectException: Connection refused (Connection refused)}}, {address=10.236.2.184:27017, type=UNKNOWN, state=CONNECTING, exception={com.mongodb.MongoSocketOpenException: Exception opening socket}, caused by {java.net.ConnectException: Connection refused (Connection refused)}}, {address=10.236.2.185:27017, type=UNKNOWN, state=CONNECTING, exception={com.mongodb.MongoSocketOpenException: Exception opening socket}, caused by {java.net.ConnectException: Connection refused (Connection refused)}}] at com.mongodb.connection.BaseCluster.createTimeoutException(BaseCluster.java:377) ~[mongodb-driver-core-3.4.2.jar!/:na] at com.mongodb.connection.BaseCluster.selectServer(BaseCluster.java:104) ~[mongodb-driver-core-3.4.2.jar!/:na] at com.mongodb.binding.ClusterBinding$ClusterBindingConnectionSource.<init>(ClusterBinding.java:75) ~[mongodb-driver-core-3.4.2.jar!/:na] at com.mongodb.binding.ClusterBinding$ClusterBindingConnectionSource.<init>(ClusterBinding.java:71) ~[mongodb-driver-core-3.4.2.jar!/:na] at com.mongodb.binding.ClusterBinding.getReadConnectionSource(ClusterBinding.java:63) ~[mongodb-driver-core-3.4.2.jar!/:na] at com.mongodb.operation.OperationHelper.withConnection(OperationHelper.java:402) ~[mongodb-driver-core-3.4.2.jar!/:na] at com.mongodb.operation.MapReduceWithInlineResultsOperation.execute(MapReduceWithInlineResultsOperation.java:381) ~[mongodb-driver-core-3.4.2.jar!/:na] at com.mongodb.operation.MapReduceWithInlineResultsOperation.execute(MapReduceWithInlineResultsOperation.java:70) ~[mongodb-driver-core-3.4.2.jar!/:na] at com.mongodb.Mongo.execute(Mongo.java:836) ~[mongodb-driver-3.4.2.jar!/:na] at com.mongodb.Mongo$2.execute(Mongo.java:823) ~[mongodb-driver-3.4.2.jar!/:na] at com.mongodb.DBCollection.mapReduce(DBCollection.java:1278) ~[mongodb-driver-3.4.2.jar!/:na] at org.springframework.data.mongodb.core.MongoTemplate.mapReduce(MongoTemplate.java:1406) ~[spring-data-mongodb-1.10.1.RELEASE.jar!/:na] at org.springframework.data.mongodb.core.MongoTemplate.mapReduce(MongoTemplate.java:1383) ~[spring-data-mongodb-1.10.1.RELEASE.jar!/:na] at com.unicom.portal.taskquery.common.TaskManager.selectPendingCountByType(TaskManager.java:1002) ~[classes!/:1.0.0] at com.unicom.portal.taskquery.service.impl.TaskServiceImpl.getPendingInfo(TaskServiceImpl.java:233) ~[classes!/:1.0.0] at com.unicom.portal.taskquery.controller.TaskPendController.getPendingInfo(TaskPendController.java:164) ~[classes!/:1.0.0]/<code>
同时运维人员通过监控告警发现 MongoDB 数据库的连接数达到 10499（平时监控为几百），而 MongoDB 数据库凭空多出惊人的一万多张临时表记录。
查看 K8s 容器平台服务器资源情况，发现待办服务 CPU 资源使用高达 7G 多，内存使用高达 12G。平常待办服务的CPU 资源使用都是 0.00 几，明显感觉不正常。
这似乎更加验证了是加了审计日志造成的，于是运维组开始了非常耗时的 Mongos 停止并重启操作，但很遗憾的是“ Mongos 重启后不久又自动停止了”（ 后来跟运维组沟通，加的审计日志跟 MongoDB 半毛钱关系都没有）。 由于这个误导，导致门户大概四十分钟不可用。笔者没办法，只能仔细分析 docker 容器日志，发现大部分错误由同一个方法造成的。
<code>com.unicom.portal.taskquery.common.TaskManager.selectPendingCountByType(TaskManager.java:1002)/<code>
通过代码走读发现 TaskManager.selectPendingCountByType 这个方法用到了 MongoDB 的 mapReduce 方法。
<code>org.springframework.data.mongodb.core.MongoTemplate.mapReduce/<code>
通过查阅 MongoDB 官方文档知悉， mapReduce 方法类似于 MySQL 中的 group by 语句，非常适合做表字段聚合（分组）分类统计功能。 了解 Hadoop 的同学知道，Hadoop 中的 Map 和 Reduce 会拆成多个子任务进行后台跑批计算的。而 MongoDB 的 mapReduce 方法同样如此，不同的是 mapReduce 方法会把子任务发送到不同的分片（sharding）服务器上去执行，而这个过程是非常耗时的。 平常几十个人使用这个功能不会觉察到访问有问题，但是门户每天近 12W 的用户同时在八点半之后访问这个功能，后果就不堪设想了。 结果是“
笔者初步定位是这个 TaskManager.selectPendingCountByType 统计方法出问题后，果断要求运维组把后台服务恢复到上一个版本后，门户访问正常，待办数据能够正常显示，问题解决！
查看待办服务容器资源使用情况，CPU 使用率明显下降近 7 倍。
心中预案，处理泰然
08:20 运维人员通过监控告警发现 MongoDB 数据库的连接数达到 10499（平时监控为几百），开始检查处理。
08:31 运维人员检查发现 Mongos 进程停止，尝试重新启动，发现重启后不久又自动停止了。
08:50 回退审计日志操作完成，再次启动 Mongos 进程发现不久又自动停止。
09:06 尝试先停止待办查询应用服务，阻断应用 Mongos的调用，再启动 Mongos 进程。
09:20 西咸机房维护人员配合检查 MongoDB 的服务器资源使用情况后反馈无问题。同时数据库运维人员复查关闭 MongoDB 审计日志回退操作是确认已经回退成功。
09:31 项目组分析5月9日晚上发版的“待办待阅数量查询接口优化”功能可以与此故障有关，因此开始尝试回退待办查询应用代码。
09:36 待办查询应用代码服务回退成功，同时测试发现门户待办业务恢复正常。
09:40 观测前台业务和后台服务稳定后，上报故障恢复。
16:00 联系 17 个全国应用系统完成 9 位一级 VIP 和信息化 3 位领导的待办待阅差异比对，共处理 3 条待办差异。
知其然也要知其所以然
Mongodb 官网对 MapReduce 函数介绍：
Map/reduce in MongoDB is useful for batch processing of data and aggregation operations. It is similar in spirit to using something like Hadoop with all input coming from a collection and output going to a collection. Often, in a situation where you would have used GROUP BY in SQL, map/reduce is the right tool in MongoDB.
大致意思：
Mongodb中的Map/reduce主要是用来对数据进行批量处理和聚合操作，有点类似于使用Hadoop对集合数据进行处理，所有输入数据都是从集合中获取，而MapReduce后输出的数据也都会写入到集合中。通常类似于我们在SQL中使用 Group By语句一样。
MongoDB 有两种数据计算 聚合操作，一种是 Pipeline，另一种是 MapReduce。 Pipeline 的优势在于查询速度比 MapReduce 要快，但是 MapReduce 的强大之处在于它能够在多台分片（Sharding）节点上并行执行复杂的聚合查询逻辑。
那 MapReduce 有哪些优缺点呢？
MapReduce 优点在于能够充分利用 CPU 多核资源（多线程），并发执行 Sharding 分片任务，做分组统计。另外对于一些聚合函数，如 SUM、AVG、MIN、MAX，需要通过 mapper 和 reducer 函数来定制化实现。MapReduce 缺点在于非常耗 CPU 资源并且非常吃内存，其逻辑是首先执行分片查询任务计算线程，计算结果先放内存（吃内存），然后把计算结果存放到 MongoDB 临时表，最后由 finalize 方法统计结果并删除临时表记录。MapReduce 执行流程
MapReduce 工作分为两步，一是映射，即 map，将数据按照某一个规则映射到一个数组里，比如按照 type 或者 name映射，同一个 type 或者 name 的数据形成一个数组，二是规约，即 reduce，它接收映射规则和数组，然后计算。举例如下：
使用 MapReduce 要实现两个函数：Map 和 Reduce。 Map 函数调用 emit(key,value) 遍历集合中所有的记录，将 key与 value 传给 Reduce 函数进行处理。Map 函数和 Reduce 函数是使用 JavaSript 编写的，其内部也是基于 JavaSript V8 引擎解析并执行，并可以通过 db.runCommand 或 mapreduce 命令来执行 MapReduce 操作。
并发性
我们都知道，Mongodb 中所有的读写操作都会加锁（意向锁），MapReduce 也不例外。MapReduce 涉及到 mapper、reducer，中间过程还会将数据写入临时的 collection 中，最终将 finalize 数据写入 output collection。
read 阶段将会使用读锁（读取 chunks 中的数据），每处理 100 条 documents 后重新获取锁（yields）。写入临时 collectin 使用写锁，这个不会涉及到锁的竞争，因为临时 collection 只对自己可见。
在创建 output collection 时会对 DB 加写锁，如果 output collection 已经存在，且 action 为 replace 时，则会获取一个 global 级别的写锁，此时将会阻塞 mongod 上的所有操作（影响很大），主要是为了让数据结果为 atomic ；如果 action 为 merge 或者 reduce，且 nonAtomic为 true 是，只会在每次写入数据时才会获取写锁，这对性能几乎没有影响。
来个复盘吧
总的来说，还是对 Mongodb 的 MapReduce 方法了解不够深入；同时代码评审时没有重视代码评审的质量，服务器监控方面也待加强。另外对于高并发的地方没有做必要的接口压力测试。 所以，接下来需要加强项目组危机意识，不管是管理流程，代码质量，还是服务器资源监控以及必要的性能测试等。上线发版前，做好事前控制，事中做好服务监控，事后做好复盘，避免下次犯同样的错误。
参考
https://www.csdn.net/article/2013-01-07/2813477-confused-about-mapreduce https://blog.csdn.net/iteye_19607/article/details/82644559