reshardCollection失败后集群仍可读写但路由不一致，部分chunk按新键路由、部分按旧键，mongos缓存失效导致查询报错；须手动清理config.reshardingOperations中非success状态文档、重置collections元数据并刷新各mongos路由配置。

reshardCollection 执行中途失败后，集群状态会怎样

reshardCollection 失败不会自动回滚已迁移的 chunk，也不会让集合进入不可用状态——但元数据会处于不一致态：部分 chunk 已按新分片键路由，部分仍按旧键；mongos 路由表缓存可能失效，导致查询返回 Cannot target a shard key that is not present in the query 或随机 ShardKeyNotFound 错误。

关键判断：失败后集合仍可读写，但行为不可预测。不能直接重试 reshardCollection，也不能删重建——必须先清理残留状态。

如何安全终止并清理失败的 resharding 任务

失败的 resharding 会在配置服务器上留下未完成的 resharding 状态文档，阻塞后续操作。必须手动清除：

• 连接到任意 mongos，运行 db.adminCommand({ listResharding: 1 }) 查看是否仍有活跃任务（返回非空数组即表示残留）
• 若存在，需通过 config 数据库直接清理：
  

  use config<br>db.reshardingOperations.deleteMany({ "state": { "$ne": "success" } })<br>db.collections.updateOne({ "_id": "mydb.mycollection" }, { $unset: { "lastModEpoch": "", "lastModTime": "" } })

• 强制刷新 mongos 缓存：对每个 mongos 实例执行 db.runCommand({ flushRouterConfig: 1 })
• 检查 sh.status() 输出中该集合的 chunk 分布是否回归到原始分片键范围；若仍有跨分片键的 chunk，需人工 moveChunk 回原位置（仅限低峰期且确认无写入时）

重试前必须验证的三项硬性条件

重试 reshardCollection 前，以下三点任一不满足都会再次失败：

Skill Weave Chains — 技能链路由引擎

开箱即用的技能链路由引擎。13 条预定义链覆盖搜索、开发、审查、MLOps、法律、创意等场景，三层路由架构（触发词→SAD反馈→DAG编排），recall@10=96.97%。配置驱动（chains.yaml），零代码扩展。pip install skill-weave-chains 一键安装。

下载

• 目标分片键字段在所有文档中必须存在且类型一致（find({ "newKey": { $exists: false } }).count() 必须为 0）
• 新分片键索引必须已建好且为 background: true（否则建索引过程会卡住 resharding）
• 所有分片的磁盘空闲空间 ≥ 1.2 × 当前集合 storageSize（db.mycollection.stats().storageSize），注意是每个分片单独计算，不是总和

forceRedistribution: true 的副作用与规避方式

加 forceRedistribution: true 会让 MongoDB 忽略当前 chunk 分布，强制全量重分布——但它会触发所有分片同时重建 chunk，极大放大 I/O 和锁竞争。实际中多数失败都源于此参数滥用。

更稳妥的做法：

• 去掉 forceRedistribution，让 MongoDB 基于现有 chunk 边界逐步迁移（默认行为）
• 若必须重分布，改用 numInitialChunks: 180（而非默认 90）来减少单次迁移 chunk 数量，降低单次锁时长
• 配合 maxTimeMS 控制单次命令超时（如 { maxTimeMS: 300000 }），避免长时间卡死

真正难处理的不是失败本身，而是残留的 reshardingOperations 文档和未刷新的 mongos 路由缓存——这两处漏掉，重试永远在原地打转。