replication lag不是故障，而是同步延迟；需对比PRIMARY与SECONDARY的optimeDate确认延迟值，若差值为0且numApplied增长慢，则apply线程堵塞，常见原因包括WiredTiger缓存不足、大文档更新、索引构建、磁盘IO饱和或备份/慢查询抢占资源。
确认是否真滞后，别把replication lag当故障
SECONDARY节点显示“同步慢”，大概率只是replication lag，不是数据损坏或不同步。先别重启、别重同步，连到该节点执行：rs.status().members[n].optimeDate，再连PRIMARY查rs.status().members[0].optimeDate，两者时间差就是实际延迟。若差值
常见误判点：
- 用
rs.printSlaveReplicationInfo()（MongoDB 4.4+ 已弃用），结果可能缓存或不准 - 看到
stateStr: "SECONDARY"就认为健康，但health: 0或syncSourceHost为空说明已失联 - 日志里出现
"could not find base oplog entry"才是真断裂，不是“慢”，是“断”
查oplog窗口是否被覆盖，这是80%延迟的根因
执行db.getReplicationInfo()，重点看timeDiffHours——它代表当前oplog能覆盖的时间窗口。生产环境建议 ≥ 24 小时，写入密集场景建议 48–72 小时。如果这个值只有 2–3 小时，而你的写入峰值持续 5 小时以上，SECONDARY必然追不上，反复卡在“追赶模式”。
扩容oplog（4.4+）只需在PRIMARY上运行：
db.adminCommand({replSetResizeOplog: 1, size: 10240})
注意：
- 单位是 MB，不是 GB；
size必须为整数 - 命令执行时会短暂阻塞写入（毫秒级），但不中断服务
- 旧版本（≤ 4.2）无法在线调整，必须停机重建oplog，风险极高
- 扩容后立即验证：
db.getReplicationInfo()中maxSizeMB和timeDiffHours是否更新
检查同步源是否异常，链式复制常被忽略
运行rs.status()，查看目标SECONDARY的syncingTo字段。如果它不是指向PRIMARY，而是另一个SECONDARY（比如"syncingTo" : "node2:27017"），说明启用了链式复制（chained replication）。这本身合法，但会放大延迟——A→B→C 的链路，C 落后 A 的时间 = A→B + B→C。
禁用链式复制需修改副本集配置：
conf = rs.conf() conf.settings.chainingAllowed = false rs.reconfig(conf)
操作前确认：
- 所有节点版本 ≥ 4.0（否则
chainingAllowed不可用） -
rs.reconfig()必须在PRIMARY上执行，且version要自增 - 禁用后，所有SECONDARY将直接从PRIMARY拉取oplog，主节点网络/IO压力会上升
盯住apply阶段卡点，拉到了≠写进了
oplog拉取（fetch）通常是快的，真正慢在回放（apply）。查db.serverStatus().metrics.repl.apply里的queued和numApplied：如果queued持续 > 0 且numApplied增长缓慢，说明apply线程堵了。
典型堵点：
- WiredTiger cache不足：
db.serverStatus().wiredTiger.cache中maximum bytes configuredvsbytes currently in the cache，后者接近前者时apply变慢 - 大文档更新或索引构建中：
db.currentOp({ "secs_running": { "$gt": 30 } })查长时间运行的applyOps操作 - 磁盘IO饱和：
iostat -x 1看%util是否持续 >90%，尤其await高说明设备响应慢 - SECONDARY同时跑备份或慢查询：这类负载会抢占apply所需的CPU和IO资源
apply卡住时，单纯调大oplog或换同步源都没用——得先释放节点资源，或临时降低写入压力。
