MongoDB分片集合无排序find+limit查询是否均匀取数及优化问询

问题 #

假设有一个分布在3个分片上的events集合，分片键为{ _id: 'hashed' }。该集合通常为空，高峰时段数据量可达百万级。业务需求为：每次获取10000条记录处理后删除，循环至集合为空，处理顺序无关。使用Java代码MongoCursor<Document> eventsToProcess = eventsCollection.find().limit(10000).iterator();查询记录，删除时通过_id数组批量操作，希望删除能在各分片并行执行，因此需要查询从各分片均匀取数。查阅文档得知mongos会对分片游标轮询取数，但不理解该机制，故问询：上述find查询是否会从各分片均匀取数？若不能，如何实现均匀取数？

回答 #

1. 默认find查询无法保证均匀取数 #

你提到的find().limit(10000)查询不会严格保证从3个分片均匀取数。原因在于：

• mongos的分片游标轮询是基于「分片返回的结果批次」来轮流获取数据，而非按固定条数分配到每个分片。比如某个分片数据量少、返回的批次数据更少，最终汇总到mongos的总条数就会偏向数据多的分片。
• 默认无排序的find查询中，各分片返回数据的顺序和批次大小由自身执行逻辑决定，mongos的轮询机制无法干预分片内部的取数逻辑，自然做不到严格均匀分配10000条记录到3个分片。

2. 实现均匀取数的几种方案 #

方案一：按哈希分片范围拆分查询

哈希分片的每个分片对应一段固定的_id哈希值范围（可通过sh.status()或分片管理API获取）。你可以：

• 针对每个分片的哈希范围单独发起查询，每个查询取约10000/3条记录（比如3333、3333、3334条）
• 合并各分片的查询结果，再统一处理和删除
  这种方式能精准控制每个分片的取数数量，实现严格均匀取数，但需要维护分片的哈希范围（分片数量不变的话，范围不会轻易变更）。

方案二：带排序的查询优化轮询效果

给查询加上sort({_id: 1})，因为_id是哈希分片键，哈希值在各分片均匀分布，排序后mongos的轮询游标会更倾向于从各个分片轮流获取批次数据。
这种方式能实现大致均匀的取数，虽然无法做到绝对精准，但实现简单，无需额外维护分片信息。

方案三：并行查询指定分片

通过readPreference指定读取特定分片（利用分片标签或分片名称），针对每个分片单独发起查询并取固定条数，并行执行这些查询后合并结果。
这种方式能精准控制每个分片的取数数量，且并行查询能提升取数效率，但需要了解分片的标识信息，并处理Java代码中的并发查询逻辑。

额外说明 #

其实即使取数不完全均匀，只要你批量删除的_id数组包含来自多个分片的文档，mongos会自动将删除请求路由到对应分片并行执行。不过均匀取数能让各分片的删除压力更均衡，避免单个分片负载过高。

内容的提问来源于stack exchange，提问作者Jesse Post