NoSQL 与搜索 / 系统课时
配置 Write Concern 与 Read Concern
配置 Write Concern 与 Read Concern
副本集里“写成功”和“读到什么”不是单一开关。Write Concern 决定客户端等待多少写入确认以及是否等待持久化,Read Concern 决定一次读取允许看到多新的数据。合理组合它们,才能在延迟、可用性和一致性之间做有意识的取舍。
学习目标
- 区分
w、j、wtimeout分别约束什么 - 比较
local、majority、snapshot的可见性保证 - 为普通业务写入、关键确认读和事务读取选择合适组合
先拆开写确认的三个维度
w 控制需要多少副本集成员确认写入。w: 1 通常只等待接收写入的主节点确认;w: "majority" 等待多数投票成员满足确认条件,因此主节点刚写入就故障时,已确认写入更不容易在故障转移后消失。
j: true 要求等待日志持久化确认,它解决的是“节点进程或机器故障后数据能否从 journal 恢复”的问题,而不是“有多少副本已经复制”。因此 w: 1, j: true 仍然不是多数副本确认。现代 WiredTiger 副本集通常会让多数写关注与 journal 持久化紧密配合,但不要把 j 和 w 当成同一个维度。
wtimeout 只是限制客户端等待确认的最长时间。超时意味着“没有在期限内拿到所要求的确认”,不等于数据库自动撤销了已经执行的写入,所以业务不能把写关注超时简单解释成“肯定没写”。
用命令显式声明关注级别
下面示例需要连接到副本集。它写入一条事件时要求多数确认并请求 journal 持久化,随后只读取已经达到多数提交点的数据:
db = db.getSiblingDB("concern_demo")
db.events.drop()
db.runCommand({
insert: "events",
documents: [
{ _id: "evt-1", status: "confirmed" }
],
writeConcern: {
w: "majority",
j: true,
wtimeout: 5000
}
})
db.runCommand({
find: "events",
filter: { _id: "evt-1" },
readConcern: {
level: "majority"
}
})预期结果
insert 命令返回 ok: 1 且 n: 1
find 命令的 firstBatch 中包含:
{ _id: 'evt-1', status: 'confirmed' }实际结果还可能包含 operationTime、$clusterTime、游标 ID 等副本集元数据,这些值会随运行环境变化。

读关注决定能看见哪一层数据
local 允许读取当前节点已经拥有的数据,延迟最低,但这些数据可能尚未达到多数提交点。在故障切换场景里,刚读到的数据理论上仍可能来自之后被回滚的写入,因此它适合能容忍短暂不确定性的普通读取。
majority 只返回已被副本集多数成员确认提交的数据,更适合“写入成功后需要看到稳定结果”的业务读取。代价是可见性可能落后于主节点上最新的本地状态,尤其在复制延迟升高时更明显。
snapshot 提供固定时间点的一致视图,最典型场景是多文档事务:事务内多次读取基于同一快照观察数据,避免前后两次查询看到彼此不一致的时间点。它不是为了让单条普通查询“更强就更好”,因为更强的可见性通常意味着更多协调和等待。
| 关注级别 | 主要保证 | 常见代价 |
|---|---|---|
w: 1 |
主节点确认写入 | 延迟低,故障切换前的极短窗口内保证较弱 |
w: "majority" |
多数成员确认 | 写延迟受复制状态影响 |
local |
读取当前节点本地数据 | 可能看到尚未多数提交的数据 |
majority |
只读多数提交数据 | 可能等待提交点推进 |
snapshot |
固定时间点一致视图 | 需要更强协调,常用于事务 |
按业务不变量组合,而不是追求最强
订单创建、支付状态、权限变更这类“客户端收到成功后不能轻易丢失”的写入,通常更适合 w: "majority";随后需要稳定确认结果时使用 readConcern: "majority"。日志、可重建缓存或允许少量丢失的遥测数据,可以根据吞吐与容错目标选择较弱写关注。
还要把 Read Concern 与 Read Preference 分开:前者决定“允许看到什么状态”,后者决定“从哪个成员读取”。把读取路由到 Secondary 并不会自动获得 majority 语义,指定 majority 也不会自动改变读取节点。
最终配置应从业务不变量反推:先问“成功返回后允许丢失吗”“允许读到尚未多数提交的数据吗”“是否需要跨多次读取保持同一时间点”,再选择最小足够的 concern。这样得到的不是抽象的“强一致配置”,而是一组可以解释、测试和监控的故障语义。