我已经构建了一个包含4个节点的CouchDB集群来存储我检索到的推文
群集配置为包含8个分片，并保留每个文档的3个副本
[cluster]
q=8
r=2
w=2
n=3
我没有添加任何视图或其他索引，Fauxton中显示的数据库大小为4.3 GB
但是，CouchDB在其中一个节点中占用了极大的磁盘空间
$ ansible -i hosts -s -m shell -a 'du /vol/couchdb/shards/* -sh' couchdb
crake.couchdb.cloud | SUCCESS | rc=0 >>
363M /vol/couchdb/shards/00000000-1fffffff
990M /vol/couchdb/shards/20000000-3fffffff
17G /vol/couchdb/shards/40000000-5fffffff
1.4G /vol/couchdb/shards/60000000-7fffffff
359M /vol/couchdb/shards/80000000-9fffffff
989M /vol/couchdb/shards/a0000000-bfffffff
12G /vol/couchdb/shards/c0000000-dfffffff
1.6G /vol/couchdb/shards/e0000000-ffffffff
darter.couchdb.cloud | SUCCESS | rc=0 >>
1.4G /vol/couchdb/shards/00000000-1fffffff
367M /vol/couchdb/shards/20000000-3fffffff
1001M /vol/couchdb/shards/40000000-5fffffff
1.4G /vol/couchdb/shards/60000000-7fffffff
1.4G /vol/couchdb/shards/80000000-9fffffff
364M /vol/couchdb/shards/a0000000-bfffffff
998M /vol/couchdb/shards/c0000000-dfffffff
1.4G /vol/couchdb/shards/e0000000-ffffffff
bustard.couchdb.cloud | SUCCESS | rc=0 >>
1004M /vol/couchdb/shards/00000000-1fffffff
1.4G /vol/couchdb/shards/20000000-3fffffff
1.4G /vol/couchdb/shards/40000000-5fffffff
365M /vol/couchdb/shards/60000000-7fffffff
1001M /vol/couchdb/shards/80000000-9fffffff
1.4G /vol/couchdb/shards/a0000000-bfffffff
1.4G /vol/couchdb/shards/c0000000-dfffffff
364M /vol/couchdb/shards/e0000000-ffffffff
avocet.couchdb.cloud | SUCCESS | rc=0 >>
1.4G /vol/couchdb/shards/00000000-1fffffff
1.4G /vol/couchdb/shards/20000000-3fffffff
368M /vol/couchdb/shards/40000000-5fffffff
999M /vol/couchdb/shards/60000000-7fffffff
1.4G /vol/couchdb/shards/80000000-9fffffff
1.4G /vol/couchdb/shards/a0000000-bfffffff
364M /vol/couchdb/shards/c0000000-dfffffff
1001M /vol/couchdb/shards/e0000000-ffffffff
在crake.couchdb.cloud中，两个分片40000000-5fffffff和c0000000-dfffffff远远大于其他分片。
我曾尝试删除crake.couchdb.cloud中的那些大分片，并等待CouchDB本身重建。重建后磁盘使用率保持平衡，但在我开始向数据库添加新文档后，它再次逐渐失去平衡。
我正在使用MD5(tweet[id_str])作为文档ID。这可能是问题的原因吗？
我对此感到非常困惑，因为我认为即使我犯了任何错误，它也应该占用3个不同节点的资源，因为数据会在群集中复制。
请帮助，谢谢。
更新
后来我删除了所有VPS实例并使用3个CouchDB节点重建了集群，即Avocet，Bustard和Crake。新的群集配置如下：
[cluster]
q=12
r=2
w=2
n=2
在重建之前，我将所有数据复制到另一个CouchDB实例，这样我就可以在完成之后将它们传回去。恢复后磁盘使用率保持平衡。
此外，我在第4个节点上引入了HAProxy，即Darter，作为负载均衡器。
所以这一次，我所有的Twitter检索器都会将他们的请求发送给平衡器。但是，磁盘使用率再次变得不平衡，而且正好是占用更多空间的第3个节点Crake。
bustard.couchdb.cloud | SUCCESS | rc=0 >>
Filesystem Size Used Avail Use% Mounted on
/dev/vdc 81G 9.4G 68G 13% /vol
avocet.couchdb.cloud | SUCCESS | rc=0 >>
Filesystem Size Used Avail Use% Mounted on
/dev/vdc 81G 9.3G 68G 13% /vol
crake.couchdb.cloud | SUCCESS | rc=0 >>
Filesystem Size Used Avail Use% Mounted on
/dev/vdc 81G 30G 48G 39% /vol
数据库大小仅为4.2 GB，而Crake的使用量大约是此大小的7倍！
我现在完全无能为力......
更新2
来自所有节点的_dbs信息
crake.couchdb.cloud | SUCCESS | rc=0 >>
{
"db_name": "_dbs",
"update_seq": "11-g2wAAAABaANkABtjb3VjaGRiQGNyYWtlLmNvdWNoZGIuY2xvdWRsAAAAAmEAbgQA_____2phC2o",
"sizes": {
"file": 131281,
"external": 8313,
"active": 9975
},
"purge_seq": 0,
"other": {
"data_size": 8313
},
"doc_del_count": 0,
"doc_count": 7,
"disk_size": 131281,
"disk_format_version": 6,
"data_size": 9975,
"compact_running": false,
"instance_start_time": "0"
}
avocet.couchdb.cloud | SUCCESS | rc=0 >>
{
"db_name": "_dbs",
"update_seq": "15-g2wAAAABaANkABxjb3VjaGRiQGF2b2NldC5jb3VjaGRiLmNsb3VkbAAAAAJhAG4EAP____9qYQ9q",
"sizes": {
"file": 159954,
"external": 8313,
"active": 10444
},
"purge_seq": 0,
"other": {
"data_size": 8313
},
"doc_del_count": 0,
"doc_count": 7,
"disk_size": 159954,
"disk_format_version": 6,
"data_size": 10444,
"compact_running": false,
"instance_start_time": "0"
}
bustard.couchdb.cloud | SUCCESS | rc=0 >>
{
"db_name": "_dbs",
"update_seq": "15-g2wAAAABaANkAB1jb3VjaGRiQGJ1c3RhcmQuY291Y2hkYi5jbG91ZGwAAAACYQBuBAD_____amEPag",
"sizes": {
"file": 159955,
"external": 8313,
"active": 9999
},
"purge_seq": 0,
"other": {
"data_size": 8313
},
"doc_del_count": 0,
"doc_count": 7,
"disk_size": 159955,
"disk_format_version": 6,
"data_size": 9999,
"compact_running": false,
"instance_start_time": "0"
}