删 dbPath 重启是唯一被官方支持、在 4.4+ 版本中 100% 有效的解法;RECOVERING 长期不退主因是 oplog 断档或初始同步失败,需确认最新 SECONDARY、足够长 oplog 及充足磁盘 IO 后执行。

RECOVERING 不是临时卡顿,而是同步链路已断裂——删 dbPath 重启是唯一被官方支持、在 4.4+ 版本中 100% 有效的解法。别试 resync,它早在 3.2 就被彻底移除,现在执行只会报 no such cmd: resync。
为什么 rs.status() 显示 RECOVERING 且长期不退?
根本原因只有两个,不是网络抖动或配置错误:
-
oplog断档:节点需要的起始ts已被主节点覆盖,日志里典型报错是We are too stale to use candidate as a sync source - 初始同步(
initial sync)中途失败:比如磁盘写满、进程崩溃、或 WiredTiger 在低 IO 场景下卡在某个集合克隆阶段(如"collection": "admin.system.version"长期不动)
验证是否真陈旧:连 PRIMARY 执行 db.getReplicationInfo(),看 timeDiffHours;再查 RECOVERING 节点日志里的 need oplog entry at timestamp X,把 X 换算成小时差。若后者更大,确认陈旧。
删 dbPath 前必须确认的三件事
否则删完重启照样卡在 RECOVERING:
文件删除恢复功能 v0.8.0:删除前自动备份文件(存至 `delete_backup/YYYYMMDDHHMM/` 目录),支持从备份中恢复、通过清单(manifest)搜索。具备 SHA256 完整性校验、路径遍历防护及工作区根目录(workspace-root)访问限制。支持自动清理 7 天 / 30 天前的备份。 **v0.8.0:新增 `workspace_cleaner` —— 支持定时清理临时文件,并在删除前自动执行备份。** **v0.7.0:`allowed_roots` 默认值
- 确保你连接的是副本集中
optimeDate最新的 SECONDARY(用rs.printSecondaryReplicationInfo()排序),而不是另一个同样滞后的节点 - 主节点的
oplog必须足够长:4.4+ 默认由storage.oplogMinRetentionHours控制,若设成 1 小时而节点宕机超 1 小时,必然陈旧 - 目标节点磁盘空间要充足,且 IO 能跟上:WiredTiger 压缩写入对机械盘很不友好,
initial sync过程中若持续fsync失败或超时,会静默卡住
删 dbPath 后启动,日志出现什么才算真正开始?
删完 dbPath、重启 mongod 后,关键信号是日志里出现:
Starting initial sync-
Cloning collection(后续会逐个列出集合名)
此时状态会逐步变为 STARTUP2 → RECOVERING → SECONDARY。整个过程不依赖任何“软恢复”操作,也不需要手动干预状态切换——SECONDARY 是 initial sync 成功后自动进入的。注意:local.oplog.rs 会在同步过程中缓存大量 oplog,务必确保 local 所在磁盘空间充足,否则会静默卡死。
最易被忽略的是:卡在某个 collection 不动超过 30 分钟,基本可判定是硬件瓶颈或数据质量问题,不是配置问题。别只刷新 rs.status(),要看实时磁盘 IO 和内存占用。










