背景
在生产环境的部署中，由于各种不确定因素的存在(比如机器掉电、网络延迟等)，各节点上的系统时间很可能会出现不一致的情况。 对于MongoDB来说，时间不一致会对 数据库的运行带来一些不可预估的风险，比如主从复制、定时调度都或多或少依赖于时间的取值及判断。
因此，在MongoDB集群中保持节点间的时间同步是一项重要的任务，这通常会使用一些NTP协调服务来实现。
通过人工执行的时间设定操作，或是NTP同步触发的校准，都会使当前的系统时间发生变化，这称之为时间跳变。
时间跳变对于正在运作的流程是存在影响的，尤其是副本集的复制、心跳机制。
接下来，将针对这些影响做一些分析。
一、 对 oplog 的影响
oplog 原理
oplog 是主从数据复制的纽带，主节点负责将写入数据变更记录写入到 oplog 集合，备节点则负责从oplog 中拉取增量的记录进行回放。
一个 典型的 oplog如下所示：
{ "ts" : Timestamp(1560861342, 2), "t" : NumberLong(12), "h" : NumberLong("7983167552279045735"), "v" : 2, "op" : "d", "ns" : "app.T_AppInfo", "o" : { "_id" : ObjectId("5d08da9ebe3cb8c01ea48a25") } }
字段说明
| 字段名 | 字段描述 |
| ts | 记录时间 |
| h | 记录的全局唯一标识 |
| v | 版本信息 |
| op | 操作类型(增删改查等) |
| ns | 操作的集合 |
| o | 操作内容 |
| o2 | 待更新的文档，仅 update 操作包含 |
关于 oplog 的结构可以参考这篇文章
其中，ts字段 实现日志拉取的关键，这个字段保证了 oplog是节点有序的，它的构成如下：
- 当前的系统时间，即UNIX时间至现在的秒数，32位
- 整数计时器，不同时间值会将计数器进行重置，32位
ts字段属于Bson的Timestamp类型，这种类型一般在 MongoDB内部使用。
既然 oplog 保证了节点有序，备节点便可以通过轮询的方式进行拉取，我们通过 db.currentOp()命令可以看到具体的实现：
db.currentOp({"ns" : "local.oplog.rs"}) > { "desc" : "conn611866", "client" : "192.168.138.77:51842", "clientMetadata" : { "driver" : { "name" : "NetworkInterfaceASIO-RS", "version" : "3.4.10" } }, "active" : true, "opid" : 20648187, "secs_running" : 0, "microsecs_running" : NumberLong(519601), "op" : "getmore", "ns" : "local.oplog.rs", "query" : { "getMore" : NumberLong("16712800432"), "collection" : "oplog.rs", "maxTimeMS" : NumberLong(5000), "term" : NumberLong(2), "lastKnownCommittedOpTime" : { "ts" : Timestamp(1560842637, 2), "t" : NumberLong(2) } }, "originatingCommand" : { "find" : "oplog.rs", "filter" : { "ts" : { "$gte" : Timestamp(1560406790, 2) } }, "tailable" : true, "oplogReplay" : true, "awaitData" : true, "maxTimeMS" : NumberLong(60000), "term" : NumberLong(2), "readConcern" : { "afterOpTime" : { "ts" : Timestamp(1560406790, 2), "t" : NumberLong(1) } } }, "planSummary" : "COLLSCAN", }
可见，副本集的备节点是通过 ts字段不断进行增量拉取，来达到同步的目的。
图-oplog 拉取
接下来，看一下oplog与系统时间的对应关系，先通过mongo shell 写入一条数据，查看生成的oplog
shard0:PRIMARY> db.test.insert({"justForTest": true}) shard0:PRIMARY> db.getSiblingDB("local").oplog.rs.find({ns: "test.test"}).sort({$natural: -1}).limit(1).pretty() { "ts" : Timestamp(1560842490, 2), "t" : NumberLong(2), "h" : NumberLong("-1966048951433407860"), "v" : 2, "op" : "i", "ns" : "test.test", "o" : { "_id" : ObjectId("5d088723b0a0777f7326df57"), "justForTest" : true } }
此时的 ts=Timestamp(1560842490, 2)，将它转换为可读的时间格式：
shard0:PRIMARY> new Date(1560842490*1000) ISODate("2019-06-18T07:21:30Z")
同时，我们查看系统当前的时间，可以确定 oplog的时间戳与系统时间一致。
# date '+%Y-%m-%d %H:%M:%S' 2019-06-18 07:21:26
接下来，测试时间跳变对于oplog的影响
由于 oplog 是主节点产生的，下面的测试都基于主节点进行
A. 时间向后跳变
在主节点上将时间往后调整到 9:00，如下：
# date -s 09:00:00 Tue Jun 18 09:00:00 UTC 2019
写入一条测试数据，检查oplog的时间戳：
shard0:PRIMARY> db.test.insert({"justForTest": true}) shard0:PRIMARY> db.getSiblingDB("local").oplog.rs.find({ns: "test.test"}).sort({$natural: -1}).limit(1).pretty() { "ts" : Timestamp(1560848723, 1), "t" : NumberLong(4), "h" : NumberLong("-6994951573635880200"), "v" : 2, "op" : "i", "ns" : "test.test", "o" : { "_id" : ObjectId("5d08a953b9963dbc8476d6b7"), "justForTest" : true } } shard0:PRIMARY> new Date(1560848723*1000) ISODate("2019-06-18T09:05:23Z")
可以发现，随着系统时间往后调整之后，oplog的时间戳也发生了同样的变化。
B. 时间向前跳变
继续这个测试，这次在主节点上将时间往前调整到 7:00，如下：
host-192-168-138-148:~ # date -s 07:00:00 Tue Jun 18 07:00:00 UTC 2019
写入一条测试数据，检查oplog的时间戳：
shard0:PRIMARY> db.test.insert({"justForTest": true}) shard0:PRIMARY> db.getSiblingDB("local").oplog.rs.find({ns: "test.test"}).sort({$natural: -1}).limit(1).pretty() { "ts" : Timestamp(1560848864, 92), "t" : NumberLong(4), "h" : NumberLong("3290816976088149103"), "v" : 2, "op" : "i", "ns" : "test.test", "o" : { "_id" : ObjectId("5d088c1eb9963dbc8476d6b8"), "justForTest" : true } } shard0:PRIMARY> new Date(1560848864*1000) ISODate("2019-06-18T09:07:44Z")
问题出现了，当时间向前跳变的时候，新产生的oplog时间戳并没有如预期一样和系统时间保持一致，而是停留在了时间跳变前的时刻！
这是为什么呢？
我们在前面提到过，oplog需要保证节点有序性，这分别是通过Unix时间戳(秒)和计数器来保证的。
因此，当系统时间值突然变小，就必须将当前时刻冻结住，通过计数器(Term)自增来保证顺序。
这样就解释了oplog时间戳停顿的问题，然而，新问题又来了：
计数器是有上限的，如果时间向前跳变太多，或者是一直向前跳变，导致计数器溢出怎么办呢？
从保证有序的角度上看，这是不被允许的，也就是当计数器(Term)溢出后将再也无法保证有序了。
从MongoDB 3.4的源码中，可以看到对应的实现如下：
global_timestamp.cpp
//获取下一个时间戳 Timestamp getNextGlobalTimestamp(unsigned count) { //系统时间值 const unsigned now = durationCount<Seconds>( getGlobalServiceContext()->getFastClockSource()->now().toDurationSinceEpoch()); ... // 对当前上下文的Timestamp 自增计数 auto first = globalTimestamp.fetchAndAdd(count); auto currentTimestamp = first + count; // What we just set it to. unsigned globalSecs = Timestamp(currentTimestamp).getSecs(); // 若上下文时间大于系统时间，且同一时刻的计数器 超过2^31-1(2147483647)时，进行报错 if (MONGO_unlikely(globalSecs > now) && Timestamp(currentTimestamp).getInc() >= 1U << 31) { mongo::severe() << "clock skew detected, prev: " << globalSecs << " now: " << now; fassertFailed(17449); }
从代码上看，计数器在超过21亿后会发生溢出，该时间窗口的计算参考如下：
假设数据库吞吐量是1W/s，不考虑数据均衡等其他因素的影响，每秒钟将需要产生1W次oplog，那么窗口值为：
(math.pow(2,31)-1)/10000/3600 = 59h
也就是说，我们得保证系统时间能在59个小时内追赶上最后一条oplog的时间。
二、主备倒换
在副本集的高可用架构中，提供了一种自动Failover机制，如下：
图-Failover
简单说就是节点之间通过心跳感知彼此的存在，一旦是备节点感知不到主节点，就会重新选举。
在实现上，备节点会以一定间隔(大约2s)向其他节点发送心跳，同时会启动一个选举定时器，这个定时器是实现故障转移的关键：
- 选举定时器的预设时间被设为10s(实际值为10-12s之间)，
- 在定时器时间到达时会触发一个回调函数，这个函数中备节点会主动发起选举，并接管主节点的角色。
- 每次向主节点心跳成功后都会取消选举定时器的执行，并重新发起新的选举定时器
因此，在正常情况下主节点一直是可用的，选举定时器回调会被一次次的取消，而只有在异常的情况下，备节点才会主动进行"夺权"，进而发生主备切换。
那么，接着上面的问题，系统时间的跳变是否会影响这个机制呢？我们来做一下测试：
自动Failover的逻辑由备节点主导，因此下面的测试都基于备节点进行
A. 时间向前跳变
我们在备节点上将时间调前一个小时，如下：
# date Tue Jun 18 09:00:12 UTC 2019 # date -s 08:00:00 Tue Jun 18 08:00:00 UTC 2019
然后通过db.isMaster()检查主备的关系：
shard0:SECONDARY> db.isMaster() { "hosts" : [ "192.168.138.77:30071", "192.168.138.148:30071", "192.168.138.55:30071" ], "setName" : "shard0", "setVersion" : 1, "ismaster" : false, "secondary" : true, "primary" : "192.168.138.148:30071", "me" : "192.168.138.55:30071", ... "readOnly" : false, "ok" : 1 } === 没有发生变化，仍然是备节点 shard0:SECONDARY>
结果是在时间往前调整后，主备关系并没有发生变化，从日志上也没有发现任何异常。
B. 时间向后跳变
接下来，在这个备节点上将时间往后调一个小时，如下：
# date Tue Jun 18 08:02:45 UTC 2019 # date -s 09:00:00 Tue Jun 18 09:00:00 UTC 2019
这时候进行检查则发现了变化，当前的备节点成为了主节点！
shard0:SECONDARY> db.isMaster() { "hosts" : [ "192.168.138.77:30071", "192.168.138.148:30071", "192.168.138.55:30071" ], "setName" : "shard0", "setVersion" : 1, "ismaster" : true, "secondary" : false, "primary" : "192.168.138.55:30071", "me" : "192.168.138.55:30071", "electionId" : ObjectId("7fffffff0000000000000008"), ... "readOnly" : false, "ok" : 1 } === 发生变化，切换为主节点 shard0:PRIMARY>
在数据库日志中，同样发现了发起选举的行为，如下：
I REPL [ReplicationExecutor] Starting an election, since we've seen no PRIMARY in the past 10000ms I REPL [ReplicationExecutor] conducting a dry run election to see if we could be elected I REPL [ReplicationExecutor] VoteRequester(term 7 dry run) received a yes vote from 192.168.138.77:30071; response message: { term: 7, voteGranted: true, reason: "", ok: 1.0 } I REPL [ReplicationExecutor] dry election run succeeded, running for election I REPL [ReplicationExecutor] VoteRequester(term 8) received a yes vote from 192.168.138.77:30071; response message: { term: 8, voteGranted: true, reason: "", ok: 1.0 } I REPL [ReplicationExecutor] election succeeded, assuming primary role in term 8 I REPL [ReplicationExecutor] transition to PRIMARY I REPL [ReplicationExecutor] Entering primary catch-up mode. I REPL [ReplicationExecutor] Caught up to the latest optime known via heartbeats after becoming primary. I REPL [ReplicationExecutor] Exited primary catch-up mode. I REPL [rsBackgroundSync] Replication producer stopped after oplog fetcher finished returning a batch from our sync source. Abandoning this batch of oplog entries and re-evaluating our sync source. I REPL [SyncSourceFeedback] SyncSourceFeedback error sending update to 192.168.138.148:30071: InvalidSyncSource: Sync source was cleared. Was 192.168.138.148:30071 I REPL [rsSync] transition to primary complete; database writes are now permitted I REPL [ReplicationExecutor] Member 192.168.138.148:30071 is now in state SECONDARY
确实，在备节点的系统时间往后跳变时，发生了主备切换！
那么问题出在哪里？ 是不是只要是时间往后调整就一定会切换呢？
下面，我们尝试从3.4的源代码中寻求答案：
选举定时器是由 ReplicationCoordinatorImpl这个类实现的，看下面这个方法：
代码位置：db/repl/replication_coordinator_impl_heartbeat.cpp***
void ReplicationCoordinatorImpl::_cancelAndRescheduleElectionTimeout_inlock() { //如果上一个定时器回调存在，则直接取消 if (_handleElectionTimeoutCbh.isValid()) { _replExecutor.cancel(_handleElectionTimeoutCbh); .. } ... //触发调度，when时间点为 now + electionTimeout + randomOffset //到了时间就执行_startElectSelfIfEligibleV1函数，发起选举 _handleElectionTimeoutCbh = _scheduleWorkAt(when, stdx::bind(&ReplicationCoordinatorImpl::_startElectSelfIfEligibleV1,this, StartElectionV1Reason::kElectionTimeout)); }
ReplicationExecutor::_scheduleWorkAt 是定时器调度的入口，负责将定时器回调任务写入队列，如下：
代码位置：db/repl/replication_executor.cpp
StatusWith<ReplicationExecutor::CallbackHandle> ReplicationExecutor::scheduleWorkAt( Date_t when, const CallbackFn& work) { stdx::lock_guard<stdx::mutex> lk(_mutex); WorkQueue temp; StatusWith<CallbackHandle> cbHandle = enqueueWork_inlock(&temp, work); ... WorkQueue::iterator insertBefore = _sleepersQueue.begin(); //根据调度时间找到插入位置 while (insertBefore != _sleepersQueue.end() && insertBefore->readyDate <= when) ++insertBefore; //将任务置入_sleepersQueue队列 _sleepersQueue.splice(insertBefore, temp, temp.begin()); ... return cbHandle; }
对于队列任务的处理是在主线程实现的，通过getWork方法循环获取任务后执行：
//运行线程 -- 持续获取队列任务 void ReplicationExecutor::run() { ... //循环获取任务执行 while ((work = getWork()).first.callback.isValid()) { //发起任务.. } } //获取可用的任务 ReplicationExecutor::getWork() { stdx::unique_lock<stdx::mutex> lk(_mutex); while (true) { //取当前时间 const Date_t now = _networkInterface->now(); //将_sleepersQueue队列中到时间的任务置入_readyQueue队列(唤醒) Date_t nextWakeupDate = scheduleReadySleepers_inlock(now); //存在任务执行，跳出循环 if (!_readyQueue.empty()) { break; } else if (_inShutdown) { return std::make_pair(WorkItem(), CallbackHandle()); } lk.unlock(); //没有合适的任务，继续等待 if (nextWakeupDate == Date_t::max()) { _networkInterface->waitForWork(); } else { _networkInterface->waitForWorkUntil(nextWakeupDate); } lk.lock(); } //返回待执行任务 const WorkItem work = *_readyQueue.begin(); return std::make_pair(work, cbHandle); } //将到时间的任务唤醒，写入_readyQueue队列 Date_t ReplicationExecutor::scheduleReadySleepers_inlock(const Date_t now) { WorkQueue::iterator iter = _sleepersQueue.begin(); //从头部开始，找到最后一个调度时间小于等于当前时间(需要执行)的任务 while ((iter != _sleepersQueue.end()) && (iter->readyDate <= now)) { auto callback = ReplicationExecutor::_getCallbackFromHandle(iter->callback); callback->_isSleeper = false; ++iter; } //转移队列 _readyQueue.splice(_readyQueue.end(), _sleepersQueue, _sleepersQueue.begin(), iter); if (iter == _sleepersQueue.end()) { // indicate no sleeper to wait for return Date_t::max(); } return iter->readyDate; }
从上面的代码中，可以看到 scheduleReadySleepers_inlock 方法是关于任务执行时机判断的关键，在它的实现逻辑中，会根据任务调度时间与当前时间(now)的比对来决定是否执行。
关于当前时间(now)的获取则来自于AsyncTimerFactoryASIO的一个方法，当中则是利用 asio库的system_timer获取了系统时钟。
至此，我们基本可以确定了这个情况：
由于系统时间向后跳变，会导致定时器的调度出现误判，其中选举定时器被提前执行了！
更合理的一个实现应该是采用硬件时钟的周期而不是系统时间。
那么，剩下的一个问题是，系统时间是不是一旦向后跳就会出现切换呢？
根据前面的分析，每次心跳成功后都会启用这个选举定时器，触发的时间被设定在10-12s之后，而心跳的间隔是2s，
于是我们可以估算如下：
如果系统时间往后跳的步长能控制在 8s以内则是安全的，而一旦超过12s则一定会触发切换。
下面是针对步长测试的一组结果：
//往后切2s date -s `date -d "2 second" +"%H:%M:%S"` >> 结果：主备不切换 //往后切5s date -s `date -d "5 second" +"%H:%M:%S"` >> 结果：主备不切换 //往后切7s date -s `date -d "7 second" +"%H:%M:%S"` >> 结果：主备不切换 //往后切10s date -s `date -d "10 second" +"%H:%M:%S"` >> 结果：主备偶尔切换 //往后切13s date -s `date -d "13 second" +"%H:%M:%S"` >> 结果：主备切换 //往后切20s date -s `date -d "20 second" +"%H:%M:%S"` >> 结果：主备切换
小结
经过上面的一些测试和分析，我们知道了时间跳变对于副本集确实会造成一些问题：
- 对于oplog复制的影响，时间向前跳变会导致出现"计时器堆积"，如果未及时处理，将导致溢出从而引发错误；
- 对于自动Failover的影响，时间向后跳变则会造成干扰，很可能导致主备切换及业务的抖动。
尤其是第二点，MongoDB 3.4及以下版本都会存在该问题，而3.6/4.0 版本经验证已经解决。
那么，为了最大限度降低影响，提供几点建议：
- 分布式集群中务必采用可靠的NTP服务保证各节点上的时间同步，对于时间同步做好告警检测并保证能及时解决异常；
- 重大的时间校准，采用小步长(比如1分钟内3-5s)的方式逐步渐渐达到最终同步，这样可以避免主备切换产生的业务影响。
- 升级到3.6/4.0 或更新的版本来规避时间跳变导致选举的问题。
