爱吱声

标题: MongoDB架构概览 [打印本页]
作者: shengnan007    时间: 2012-9-18 12:31
标题: MongoDB架构概览
    关于MongoDB，我们能看到的资料，基本都是在指导大家如何使用MongoDB，但是，MongoDB内部是如何运作的，资料不是很多。( Q% ^( k$ L$ U& C3 Q
% ?  t6 o5 g2 i( H3 \
    阅读使用手册，会有很多疑惑之处。例如，有人说，MongoDB 等同于分布式的 MySQL。它把一个Table ，按 row，分割成多个Shards，分别存放在不同的 Servers 上。这种说法是否正确？7 o- {! f$ f; S/ W$ S

7 H+ _( R5 ^; _$ n# g2 h+ t! I& y3 L    不深入了解 MongoDB 的内部结构，就无法透彻地回答类似问题。这个系列文章，就来和大家探讨MongoDB的内部的工作方式。9 a7 k% Z* j4 G$ K: U6 A" @6 p% h

5 P' z* s* W# J& C- \" t

' O" S7 C% }; N5 O! W1 {) J; O& O, Q3 m  m
图1-1 MongoDB架构图
9 f6 K6 F2 o: I" k2 ^& c+ R
" ]# [% k6 j( ^. {6 b: l" {/ W1 B
    MongoDB 通常运行在一个服务器集群上，而不是一个单机。图1-1，描述了一个MongoDB集群的基本组成部分，包括若干shards，至少一个config server，至少一个routing servers（又称 mongos）。2 \2 A6 i# W; s3 `* u

0 R7 h% F! m  a& x7 ]Shards
! p% L) ^' e: b- q$ M6 L. A# f" Y  [! |- e: }3 e
    MongoDB的最基本的数据单元，叫document，类似于关系式数据库中的行 row。一系列documents，组成了一个collection，相当于关系式数据库中的table。当一个 collection 数据量太大时，可以把该collection按documents切分，分成多个数据块，每个数据块叫做一个chunk，多个chunks聚集在一起，组成了一个shard。
6 _9 p% |# c  f* c) O" T/ \9 }. d$ Z9 s; Z, X3 N$ g3 z
    Sharding 的意义，不仅保障了数据库的扩容（scalability），同时也保障了系统的负载均衡（load balance）。1 K$ H+ f1 o# |1 X9 Z6 V( k) _
0 A& s) ?6 i7 c3 N' }6 v( k
    每一个shard存储在一个物理服务器（server）上。Server上运行着mongod进程，通过这个进程，对shard中的数据进行操作，主要是增删改查。% i" u  N( L7 ~9 j
$ J( y5 b( X. U8 O, w/ r6 F3 U+ j
    如果系统中的每个shard，只存储了一份数据，没有备份，那么当这个shard所在的server挂了，数据就丢失了。在生产环境中，为了保证数据不丢失，为了提高系统的可用性（availability），每一个shard被存储多份，每个备份所在的servers，组成了一个replica set。
% p$ Z! N+ U1 S+ Y
$ I! ?1 Q2 M! NShard keys" `4 Z" Y2 t7 q  I$ `( m& ~6 N
        
" v/ Q$ M0 k4 t- ?; c! J5 P    为了把collection切分成不同的chunks，从而存放到不同的shards中，我们需要制定一个切分的方式。! Z" B' Z$ P& H5 G* @+ f/ \, m
% x% a+ Y& T) `# P1 `
    如前所述，在 MongoDB 数据库中，一个表collection由多个行 documents 组成，而每个 document，有多个属性 fields。同一个 collection 中的不同的 documents，可能会有不同的 fields。例如，有个 collection 叫 Media，包含两条 documents，/ |& Q* {! t2 C+ T# u; @3 k

' x6 q/ w" _- D) N& h{
2 T3 [8 W$ h: ^; _. y, v! I" o  "ISBN": "987-30-3652-5130-82",) \2 a4 d3 C2 \/ O5 r* x
  "Type": "CD",
3 N5 e5 L: O5 [5 G% [9 U  "Author": "Nirvana",
7 I% h* o7 @" F  "Title": "Nevermind",
% U( R) G" o( l! L% W$ ]  u+ T8 u* Q7 r  "Genre": "Grunge",2 s2 ^1 x! j0 [; r( ~% \
   "Releasedate": "1991.09.24",) _- w+ _" O; R% h! s7 e
   "Tracklist": [3 B$ c6 c5 Y/ u2 {) f1 `  L
     {
* j0 E6 Z/ [' u+ ]: y. j) b0 B        "Track" : "1",7 Z# p2 l9 [, l8 d$ F- u
        "Title" : "Smells like teen spirit",
7 m( y' C, k* H/ z! p8 z2 }        "Length" : "5:02"& @' u- }8 M) d
     },/ g$ }! w+ J/ l" f$ W
     {
6 p7 J  T3 Z5 C        "Track" : "2",
7 z! C1 N+ P9 N' ~  W        "Title" : "In Bloom",0 w* [6 `2 W4 z' o/ N, }$ g
        "Length" : "4:15"
5 p) W3 h% T5 D2 m  I4 j     }
# o+ J- b: X* X7 s9 r   ]
* O' [/ i* p+ l; E: b( c1 F6 ?}
# m6 A- Z! Z; V/ Z7 x. j
: _; b" F! t9 P: l{
) D) W2 d5 M/ }" \# U4 z! ?  "ISBN": "987-1-4302-3051-9",6 n& @" z  ~2 z5 j
  "Type": "Book",
$ T% M' A/ I5 \; k3 J  "Title": "Definite Guide to MongoDB: The NoSQL Database",; P0 L! `, X, Z% }2 R  y( r/ |
  "Publisher": "Apress",1 Y& c3 P; g- m' H) n2 }
  "Author": " Eelco Plugge",1 m  ?, N# E0 S  H" Q, ]
  "Releasedate": "2011.06.09"
, ^) z- M& b$ `; q}
! x+ j1 g2 o5 z9 ]5 a& M3 P
7 A: v3 O" G6 d, d$ O* R    假如，在同一个 collection 中的所有 document，都包含某个共同的 field，例如前例中的“ISBN”，那么我们就可以按照这个 field 的值，来分割 collection。这个 field 的值，又称为 shard key。( F8 y, n& j% \/ Y" f3 n

* u) |9 O$ e+ L' R4 N    在选择shard key的时候，一定要确保这个key能够把collection均匀地切分成很多chunks。! ~6 H3 G1 w4 ?% _  r

/ z( \7 K' e5 g- U- r! _. Z    例如，如果我们选择“author”作为shard key，如果有大量的作者是重名的，那么就会有大量的数据聚集在同一个chunk中。当然，假设很少有作者同名同姓，那么“author”也可以作为一个shard key。换句话说，shard key 的选择，与使用场景密切相关。
& d* J' K: z2 {" D8 ^' G7 Z
. \. i& o3 x* i# ?9 J+ }    很多情况下，无论选择哪一个单一的 field 作为shard key，都无法均匀分割 collection。在这种情况下，我们可以考虑，用多个 fields，构成一个复合的shard key。3 J0 y* C& a! q  t  i1 ]
. n1 L9 n1 L4 W* d, t" F1 R  s
    延续前例，假如有很多作者同名同姓，他们都叫“王二”。用 author 作为 shard key，显然无法均匀切割 collection。这时我们可以加上release-date，组成name-date的复合 shard key，例如“王二 2011”。
0 w8 A4 v9 |+ y6 [) F9 K+ m1 G9 \" w: s) B' e  `
Chunks) I' }5 |! w! p% `' A/ }
        
$ j' \4 L9 g! a! l    MongoDB按 shard key，把 collection切割成若干 chunks。每个 chunk 的数据结构，是一个三元组，{collection，minKey，maxKey}，如图1-2 所示。1 i* ^+ r9 e* M3 ]/ P
9 b, U8 z: Z( _" g5 b: i# x

! \4 _+ R7 j7 k; D, Q6 T. w8 ?图1-2 chunk的三元组

3 Q4 k1 ?  `2 w
9 Q/ x2 A: \) _    其中，collection 是数据库中某一个表的名称，而 minKey 和 maxKey 是 shard key的范围。每一个 document 的shard key 的值，决定了这条document应该存放在哪个chunk中。, h" j9 A2 x& e
/ [9 T6 [- A  y) r" m3 R  }3 \
    如果两条 documents 的 shard keys 的值很接近，这两条 documents 很可能被存放在同一个 chunk 中。
, v: C; `: Y) k) y* s+ x7 I+ E" `- y8 Z' u
    Shard key 的值的顺序，决定了 document 存放的 chunk。在 MongoDB 的文献中，这种切割 collection 的方式，称为order-preserving。" \& b0 ]6 W. L- {, M

7 Z/ [0 k5 J) n6 s3 `9 T    一个 chunk最多能够存储64MB的数据。 当某个chunk存储的 documents包含的数据量，接近这个阈值时，一个chunk会被切分成两个新的chunks。* {1 J& |6 C) A* y
% ?0 T4 z5 O7 C2 V6 `) q
    当一个shard存储了过多的chunks，这个shard中的某些chunks会被迁移到其它 shard中。; @1 k3 @& Y5 m' h# Y) \+ H
6 P; O9 a4 ], u( V- v0 Y
    这里有个问题，假如某一条 document 包含的数据量很大，超过 64MB，一个 chunk 存放不下，怎么办？在后续章节介绍 GridFS 时，我们会详细讨论。
' i2 y8 |3 C+ {$ q+ |. T
: H4 f4 E9 \* K) YReplica set1 w! p$ w: \- V/ |2 |, B) C
        
) D& M6 Y6 i# Q    在生产环境中，为了保证数据不丢失，为了提高系统的可用性（availability），每一个shard被存储多份，每个备份所在的servers，组成了一个replica set。
, Y! `: I, H! d* b7 K5 ]0 ^6 l. q2 u5 W
    这个replica set包括一个primary DB和多个secondary DBs。为了数据的一致性，所有的修改(insert / update / deletes) 请求都交给primary处理。处理结束之后，再异步地备份到其他secondary中。2 ^! j5 J; t/ X# X& C; n
8 Z1 u2 ~: e9 J' G
    Primary DB由replica set中的所有servers，共同选举产生。当这个primaryDB server出错的时候，可以从replica set中重新选举一个新的primaryDB，从而避免了单点故障。
0 F) E* C! X. N2 X
5 Q! i$ l! ]5 k2 C0 A9 k    Replica set的选举策略和数据同步机制，确保了系统的数据的一致性。后文详述。
$ X- Y$ T# E- n/ r/ }: \  X7 X/ o; ]4 i6 ]9 o  h% r" j" T4 }
Config Server
' H5 e. X4 C5 T( w4 S( X8 `8 c        / a  W8 d( E  x/ F
    Config servers用于存储MongoDB集群的元数据 metadata，这些元数据包括如下两个部分，每一个shard server包括哪些chunks，每个chunk存储了哪些 collections 的哪些 documents。: O. y4 B3 E, G8 p/ \0 v
, L* x( ~1 [7 [# v2 I7 \, a
    每一个config server都包括了MongoDB中所有chunk的信息。
4 k  O3 w) O. O0 S6 I! }; [: A! t3 i8 J
    Config server也需要 replication。但是有趣的是，config server 采用了自己独特的replication模式，而没有沿用 replica set。7 Z8 G0 E: v$ [2 j
8 Z+ c; V: Z- u! T. {( A6 s& v* o
    如果任何一台config server挂了，整个 config server 集群中，其它 config server变成只读状态。这样做的原因，是避免在系统不稳定的情况下，冒然对元数据做任何改动，导致在不同的 config servers 中，出现元数据不一致的情况。
- J$ }7 p2 u! W& V& r% J: i- F  E0 V' h
    MongoDB的官方文档建议，配置3个config servers比较合适，既提供了足够的安全性，又避免了更多的config servers实例之间的数据同步，引起的元数据不一致的麻烦。
3 N) X# |- m, O+ |! R, w& `4 t9 j. `+ _- D+ _8 i$ u6 m
Mongos! C! ?1 L% V2 M

& Y0 U% O4 ^- q4 R9 ?0 ~    用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。6 x: ], u% K) s) D$ H
" Z! ]: Q1 X( t4 W- S7 g
    当 mongos 接收到用户请求时，它先查询 config server，找到存放相应数据的shard servers。然后把用户请求，转发到这些 shard servers。当这些 shard servers完成操作后，它们把结果分别返回给 mongos。而当 mongos 汇总了所有的结果后，它把结果返回给用户。
* X. X% ?# G" l# L7 S/ _0 A9 q' n  N" D3 O* G& @
    Mongos每次启动的时候，都要到config servers中读取元数据，并缓存在本地。每当 config server中的元数据有改动，它都会通知所有的mongos。' U* ]4 I' m7 [
1 N, T2 G6 K* q) c8 X8 R
    Mongos之间，不存在彼此协同工作的问题。因此，MongoDB所需要配置的mongos server的数量，没有限制。
/ E, f7 g2 L+ [1 K* k" r/ E3 s5 o0 K& x4 k" |. Q6 J
    通过以上的介绍，我们对每个组成部分都有了基本的了解，但是涉及到工作的细节，我们尚有诸多疑问，例如，一个chunk的数据太大，如何切分？一个shard数据太多，如何迁移？在replica set中，如何选择primary？server挂了，怎么进行故障恢复？接下来的章节，我们逐个回答这些问题。9 ~8 y8 l( h  M% ?, N4 J+ S6 b
6 v; g" V8 h% C* i/ S. c& n

. D$ K8 [) d" F2 \1 H! lReference，
6 d# K' k" n3 Z" k' f& y# q& M3 D; l- o  T2 {) y
[0] Architectural Overview4 K" F& [, v4 v+ _
http://www.mongodb.org/display/DOCS/Sharding+Introduction
! J" o" o) d2 m
作者: PenPen    时间: 2012-9-18 12:40
本帖最后由 PenPen 于 2012-9-18 12:44 编辑 2 g% O$ I; d* Q- R
! d. Y8 x+ w' }4 q  `8 ]

/ @+ t" \8 `6 G* m0 t& t' ?# L您是和邓侃一起写文章的盛楠么？
作者: shengnan007    时间: 2012-9-18 12:44
呃。。。是我啊。。。
作者: shengnan007    时间: 2012-9-18 12:44
PenPen 发表于 2012-9-18 12:40 - k+ _; ^9 f/ k; }. {' t
您是和邓侃一起写文章的盛楠么？

, M+ t1 v0 }7 r, E" C4 \是我啊。。。这都能被认出来。。。
作者: PenPen    时间: 2012-9-18 12:47
shengnan007 发表于 2012-9-18 12:44
1 H! @. _, Q4 Y是我啊。。。这都能被认出来。。。
- n6 D. o0 Q" t/ ^2 G
这篇文章我读过。开始以为是转贴的，后来再一看id就发现真相了~
作者: shengnan007    时间: 2012-9-18 12:49
PenPen 发表于 2012-9-18 12:47
0 O; S# X; ]$ `9 @" {这篇文章我读过。开始以为是转贴的，后来再一看id就发现真相了~

: Q; K9 ?- i) ]4 D1 S多谢支持。还有两篇一会帖过来。后续的还在写。边看源码边写，比较慢，hoho。这里是要推荐才能变成正式会员是么？
作者: 不爱吱声    时间: 2012-9-18 12:51
shengnan007 发表于 2012-9-17 22:49 1 N. U" m+ I. _- O5 C9 R% Z
多谢支持。还有两篇一会帖过来。后续的还在写。边看源码边写，比较慢，hoho。这里是要推荐才能变成正式会 ...

6 ^9 j/ N- k, L- @欢迎，欢迎，已经给你变成正式会员了。
作者: shengnan007    时间: 2012-9-18 12:57
不爱吱声 发表于 2012-9-18 12:51 ( g  k. T& g5 g( Q! U
欢迎，欢迎，已经给你变成正式会员了。

' ]: ]# C: ~+ z& R. ~多谢多谢啦~~
作者: 巴山    时间: 2012-9-19 03:38
我们现在的 technology stack 就是 php + mongodb，涉及财务方面的东西用 postgres。  h; W: w; x( d$ b# {8 ^

+ b8 L+ z2 f/ i+ ]2 r: ~/ Y
作者: 梦晓半生    时间: 2012-9-19 04:21
谢谢。2 d4 h* D  w0 ~" T' T( k, ?) V

$ M# S1 P' y, ?& K* f( r4 F中文看得真累，大部分还是英文术语。3 t% |# u( C/ c0 Y( R& c4 r9 W
: |$ S" z: c4 C7 j9 l6 p
这应该是一个系列吧，后面怎样寻找，执行指令等开始入门，还是说的太简单了。
6 O' E7 p0 C# v2 H6 e2 y
* _9 ~$ R! K" r+ D" {! D( Y$ m  h. V现在distributed DB在那些大网站很重要，现在开始有跟已有DB分庭抗礼的苗头，不过不是那里工作的话，其中的奥妙大概难说清楚。
作者: shengnan007    时间: 2012-9-19 08:40
巴山 发表于 2012-9-19 03:38
2 ]( b: R6 H5 G+ k# U2 }7 S5 T我们现在的 technology stack 就是 php + mongodb，涉及财务方面的东西用 postgres。
6 o. M1 a) _& A& w
/ s. h5 H8 o- @3 A! M1 R9 _8 a ...
1 C5 _" m, \0 ]( n
mongoDB作为存储是没有问题的，财务这种核心数据，还是不建议使用mongoDB的
作者: shengnan007    时间: 2012-9-19 08:44
梦晓半生 发表于 2012-9-19 04:21 0 ]" ?( `" A$ i* v4 B
谢谢。
: C' d- c0 |( Z- j
, l! }8 W  o: E0 n7 w# F" d8 I中文看得真累，大部分还是英文术语。
! f6 {  A8 p: k) }* ]) q
现在关于mongoDB的文章，大部分都是在告诉大家怎么用，涉及到内部运行机理的文章，数量不多，而且不成体系。这个系列文章的目的，是让大家了解mongoDB的基本的运行机理，这样以后使用的时候，可以知其所以然。但是由于这方面的资料很少，我也是到处找资料，写了这么几篇，再往后，就是边使用，边看源码，边写了。
作者: profer    时间: 2012-9-19 14:16
shengnan007 发表于 2012-9-18 12:44 $ a0 ~6 @! }0 e6 ]
是我啊。。。这都能被认出来。。。

5 t; U. A: m; g8 _; W是邓嫂么？
作者: shengnan007    时间: 2012-9-19 14:17
profer 发表于 2012-9-19 14:16 / v& }" k2 S9 g
是邓嫂么？

9 E# a" Z! V" D- [' a+ n* C5 x是邓的小兵
作者: 恶魔吹笛来    时间: 2012-9-19 18:35
有点惊讶 居然在这里看到这篇文章 呵呵 静待大作
作者: 梦晓半生    时间: 2012-9-20 00:57
shengnan007 发表于 2012-9-19 08:44
' |; f; y+ O1 z! m  z现在关于mongoDB的文章，大部分都是在告诉大家怎么用，涉及到内部运行机理的文章，数量不多，而且不成体 ...

. |/ W8 y! \* G+ o9 Y! G太好了，期待中，希望都带上英文reference。
) U& ?" r6 b1 G
6 y* E- ~4 O7 V现在这种新技术很多，Mongo是比较流行的一个，我这里附带一下一堆NoSQL的新系统，到最后估计会有几个胜出。5 i. H; _, y/ v$ h9 ~

, T/ t7 }" b% ^' S9 Zhttp://en.wikipedia.org/wiki/NoSQL
作者: shengnan007    时间: 2012-9-20 08:53
梦晓半生 发表于 2012-9-20 00:57 : ^3 n( n- T9 L
太好了，期待中，希望都带上英文reference。
; k- F2 a: R+ b& h" R% B
+ g1 H" L* g: @, n现在这种新技术很多，Mongo是比较流行的一个，我这里附带一 ...
% \. w) f- I" u
现在写的也很纠结，资料太少了，哈哈
作者: 梦晓半生    时间: 2012-9-21 11:52
shengnan007 发表于 2012-9-20 08:53
  Q8 y; y. o, y: q3 M0 |现在写的也很纠结，资料太少了，哈哈
9 I" b7 d: _+ c5 F; ?, K6 \
建议从NoSQL写起，这是推动新数据库设计的需求关系，原始动力。6 |: {& T' Y6 i- e
9 f! ]. h  K6 x& v5 U  Y
http://en.wikipedia.org/wiki/NoSQL
3 \* G, u% Q! ?* z6 s9 G" e; p7 P0 H9 m4 F
作者: 定风波    时间: 2012-9-21 17:03
恶魔吹笛来 发表于 2012-9-19 18:35
2 n# g' t* S3 N# d/ e7 N- W0 h有点惊讶 居然在这里看到这篇文章 呵呵 静待大作

5 m" _0 J- I$ l9 \! y有什么可惊讶的邓侃在前一个爱坛版本是很早的注册用户呢，从开心网一块迁移的。。。
作者: shengnan007    时间: 2012-9-24 09:11
梦晓半生 发表于 2012-9-21 11:52 * \# ?/ }! b: v
建议从NoSQL写起，这是推动新数据库设计的需求关系，原始动力。' m0 P. X( P" U) E% o7 f

$ e* p+ ?9 x7 A& g0 G% Rhttp://en.wikipedia.org/wiki/NoSQL

! V% k& B* ~; N& N2 p; t$ p) ^  W好的好的，现在这个写完，然后开始写nosql



欢迎光临 爱吱声 (http://129.226.69.186/bbs/) Powered by Discuz! X3.2