MongoDB Atlas M10副本集故障节点的修复与替换方案咨询

先尝试修复当前同步中的节点 #

1. 先观察同步状态，别急着做新操作
   你看到的resyncing 1 server提示，Atlas默认会自动尝试从oplog恢复数据，但节点宕机超过oplog窗口的话，常规增量同步会失败，进而触发全量同步。全量同步的速度完全取决于数据集大小和网络带宽，你升级到M20后资源更充足，大概率是同步速度慢而非卡住，可以再等几小时看看（尤其是数据集较大的情况）。
   去Atlas监控面板查看该节点的磁盘IO、CPU使用率：如果资源跑满，说明同步在正常进行；如果资源处于闲置状态，才是同步卡住了。

2. 手动触发重新同步流程
   进入Atlas的Deployment > Clusters页面，找到目标副本集点击... > Edit Configuration，不需要修改任何配置，直接点击Confirm & Deploy，这会让Atlas重新下发配置，重启同步流程。
   如果还是卡住，先把oplog窗口临时调整到168小时（7天），再触发部署，给同步留足足够的时间窗口。

若修复无效，移除宕机节点并添加新节点 #

1. 先确认主节点状态正常
   通过Atlas控制台的Connect > Connect with MongoDB Shell连接到主节点，执行rs.status()命令，确认主节点和至少一个从节点状态正常，否则无法进行后续操作。

2. 移除宕机节点
   进入集群配置页面，找到状态显示为Unavailable或Syncing的宕机节点，点击节点旁的... > Remove，确认移除后点击Confirm & Deploy，等待Atlas完成节点移除操作（此时副本集会暂时变为2节点：主节点+可用从节点）。

3. 添加新节点
   回到集群配置页面，点击Add Node，选择和原节点同区域、同规格的节点（如果已升级到M20，就选M20规格），配置完成后点击Confirm & Deploy，Atlas会自动部署新节点并从主节点同步数据。

4. 恢复目标节点数量并调整oplog
   重复添加节点的步骤，直到副本集达到5个节点；之后在集群配置的Advanced Settings中，将oplog窗口设置为72小时。

注意事项 #

• 每次部署操作必须等待完成后，再进行下一个操作，不要中途中断流程。
• 大数据集的全量同步可能需要数小时，期间只需监控节点状态即可。
• 确保集群有足够的磁盘空间，全量同步会占用额外的磁盘资源。

内容的提问来源于stack exchange，提问作者Franck Anso