MongoDB之mongoexport工具

今天线上环境遇到一个需求，需要把分片集群中指定集合中的3个字段导出来。

这个需求比较明显，要使用mongoexport，借这个机会，熟悉了一下这个工具。

01 基本介绍

mongoexport是一个数据导出的工具，使用的时候类似mysql中的select into outfile语法，可以将某个数据库中的数据以json或者csv的格式导出来。

我们可以通过直接连接mongos或者连接mongod来导出数据。如果你的集群是分片集群，连接mongos会导出所有分片上这个集合的相关数据。

02 常用参数

-h:指明数据库宿主机的IP

-u:指明数据库的用户名

-p:指明数据库的密码

-d:指明数据库的名字

-c:指明collection的名字

-f:指明要导入那些列

--type：默认是json类型，可以导出csv类型

-o：指明要导出的文件名称，如果不指定，则导出到标准输出

-q：查询过滤器，可以输入一个json，从而导出查询后的结果

上面的常用参数还有对应的长参数选项，例如-h也可以输入--host代替。参数的详细介绍，可以通过mongoexport --help获取到。

03 命令

1、导出数据库new下面的test集合的number字段，命令如下：

mongoexport --port=27016 -u "yeyz" --authenticationDatabase "admin" -p "123456" -d new -c test --fields=number -o /data/test.json
2021-02-23T22:09:52.481+0800    connected to: localhost:27016
2021-02-23T22:09:52.512+0800    exported 2000 records

我们看下导出的结果：

{"_id":{"$oid":"6006c46993a711b384cc8c92"},"number":1000.0}
{"_id":{"$oid":"6006c46993a711b384cc8c93"},"number":1001.0}
{"_id":{"$oid":"6006c46993a711b384cc8c94"},"number":1002.0}
{"_id":{"$oid":"6006c46993a711b384cc8c95"},"number":1003.0}
{"_id":{"$oid":"6006c46993a711b384cc8c96"},"number":1004.0}
{"_id":{"$oid":"6006c46993a711b384cc8c97"},"number":1005.0}
{"_id":{"$oid":"6006c46993a711b384cc8c98"},"number":1006.0}
{"_id":{"$oid":"6006c46993a711b384cc8c99"},"number":1007.0}
{"_id":{"$oid":"6006c46993a711b384cc8c9a"},"number":1008.0}
{"_id":{"$oid":"6006c46993a711b384cc8c9b"},"number":1009.0}
{"_id":{"$oid":"6006c46993a711b384cc8c9c"},"number":1010.0}
{"_id":{"$oid":"6006c46993a711b384cc8c9d"},"number":1011.0}
{"_id":{"$oid":"6006c46993a711b384cc8c9e"},"number":1012.0}

可以看到，即使我们只指定了number字段，也会自动为我们导出_id字段，由此可以得出结论，：如果导出的格式是json类型的，_id字段是默认导出的。

默认导出的类型是json类型，如果我们想导出csv类型，可以增加--type=csv参数。添加了这个参数之后，结果如下：

number
1000
1001
1002
1003
1004
1005
1006
1007
1008
1009
1010
1011

可以看到，就不会自动的输出_id这个字段了。这个可能也是一个值得讨论的点。我认为可能是这个工具的一个小bug，csv类型不输出_id字段，而json类型输出_id字段。

2、导出某个特定的查询结果，例如导出number=10的那条记录：

[root@VM-0-14-centos ~]# mongoexport --port=27016 -u "yeyz" --authenticationDatabase "admin" -p "123456" -d new -c test --type=csv -q {"number":10} --fields=number -o /data/test.json  
2021-02-23T22:38:18.319+0800    connected to: localhost:27016
2021-02-23T22:38:18.321+0800    exported 1 record

可以直接在-q参数后面跟查询条件。

04 经验值

今天的操作是在分片集群上进行操作的，一共7个分片，我导出了3亿多条数据，单个分片上大概5000w条数据吧，每条数据导出2个字段，每个分片上的导出时间大约在2个小时左右。

机器硬件配置：

SATA硬盘4TB

普通内存128G

intel 至强E5-4系列

当然，这个值只是个经验值，如果你的导出的字段比较多的话，或者字段的长度比较长，可能这个值没有太多的参考意义。

在实际进行数据导出的时候，发现执行导出的mongodb服务器负载有一定上升，内存使用率有一定上升，但是没有特别明显性能抖动，整个过程不会锁数据库，所以还是比较安全的。

线上操作的时候，尤其是针对敏感的业务，为了最大程度上降低对业务的影响，如果你是在mongos上执行数据导出，建议先保证这个mongos对业务不可见，执行导出之后，在重新对外提供服务；如果你是在mongod上进行数据导出，则最好选择secondary节点进行，避免对线上业务的影响。

05 反向导入

mongodb还有一个工具，叫mongoimport，可以将mongoexport导出的数据导入到mongodb数据库中，下面是一个mongoimport的命令：

[root@VM-0-14-centos ~]# mongoimport --port=27016 -u "yeyz" --authenticationDatabase "admin" -p "123456" -d new -c test1 --type=csv   --fields=number --file=/data/test.csv
2021-02-23T22:44:21.930+0800    connected to: localhost:27016
2021-02-23T22:44:22.146+0800    imported 2001 documents

mongoimport的整个操作类似insert操作，参数方面和mongoexport大同小异，唯一多的比较重要的参数就是writeconcern的值，这个值设置的级别越高，那么导出数据的时间就越慢，但是数据安全性会越高。

详细内容请看官方文档对writeconcern的描述。

今天的内容就到这里。