|
|
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。8 R# B" F Y! T, ^% {
0 d7 F" i9 h- H' Z! y
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？
" b& I0 V- a( { l! e
& D" r: W, w8 ^, H( m 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。0 w0 X, S2 Y% g9 } x8 F: A2 G
; K5 F$ D2 y& H- _$ S$ m+ A* c4 e7 u
' q% v& M6 A+ m( f& k$ B2 s5 Z
" }0 c1 } @: D) j) V7 O; Q; @+ v
图1-1 MongoDB架构图 3 V9 y( I# b E7 R1 E$ A
' \+ z0 R5 z8 S, Y( o1 g
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）。; i$ n3 j+ O4 ?. t9 ?8 ? }3 U
1 x" Y* E% E1 b8 t/ `/ n8 i
Shards* q' U. H, ?; u& I! y# r+ N# l
) P' y* B- Q3 V9 o( W 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。
( ?: L" u; _; N G7 [. s, `! n; i$ y9 I4 r! x) _! T5 R
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）。% c3 [- u* u/ U0 i# j7 K8 c2 W
0 S, M: B3 V1 ^( A. G 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。
J$ d7 ?! v; L1 A4 F
( l2 J+ C' T# L. 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。, t A: [8 G7 @# L* }: M5 A
& ^# `8 }! q9 l$ V
Shard keys: o- }; Z J" }) {' G$ n
& m* `- V) s" [% |
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。6 {; a) G" C# [5 ]( x: o
4 b- l8 T( Z4 b1 M8 o. E; _
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，
! I3 [* \5 G' w7 N! L! U
7 c2 \+ E' ` D) p! A{/ C3 \( {1 \) C% O6 V2 K
"ISBN": "987-30-3652-5130-82",
0 y1 S5 s9 ?9 _' }8 U# ^ "Type": "CD",
3 j$ y, S& _/ A7 i- k "Author": "Nirvana",
1 A7 L5 E9 C+ _& g, |0 A "Title": "Nevermind",% W2 Y& \, E \: ^5 B- [5 o
"Genre": "Grunge",! {+ D9 e" m' ~ p4 }/ i
"Releasedate": "1991.09.24", M' v/ x, l* l
"Tracklist": [
2 `2 K. {( U% [5 ] {4 k/ z& z6 D2 v- U5 G2 C
"Track" : "1",
9 A, c: L( L! j' P9 Q/ Q "Title" : "Smells like teen spirit",3 X4 w4 Z+ g( Q! r
"Length" : "5:02"4 c8 [# e4 ?$ L) m: t
},; J7 z) K3 j* ?4 `9 r) h
{( T" s; d5 i. L' ? D% ]: x7 Z5 U
"Track" : "2",
6 f- `1 V% K4 f. n. B& r "Title" : "In Bloom",
0 @! L8 f1 o, R1 g, G- i& l "Length" : "4:15"; C0 t0 ^- M4 o8 ^) J# }
}
: V! _0 a# p2 E ]9 d* `* y. M- O
}
- W0 c' C I) l8 S5 }6 } j
7 w& O3 C' H3 b. Y3 o3 Q{
9 {& c: j$ R" ^. F$ {" X "ISBN": "987-1-4302-3051-9",
1 P! @$ l# a4 Y$ p& P( ? "Type": "Book",$ z) q m& Z. |. r" Z0 z) R
"Title": "Definite Guide to MongoDB: The NoSQL Database",% z0 y& k* v) X. O- E
"Publisher": "Apress",
# e. r. t# k- }8 a; O8 \ "Author": " Eelco Plugge",
v- E! N+ S% D+ j; T Q "Releasedate": "2011.06.09"6 b2 u+ s; ?, J2 a8 `: r. `# b
}7 y% `2 c/ s+ X1 ?7 i, A
5 }+ u5 a; J% j# ~) ^# W 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。
) q: z \8 q( s ^0 X. W$ L2 P
' i% x3 e$ y* j, _2 C7 I% i 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。
2 C/ M) |& j+ f+ {* C% G' k/ d; K- Z! s
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。( K! |. f6 V' D& f4 A" r( P( b
( W3 H" `$ k+ y9 W* K1 k
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。
# j5 z% r6 j. ~5 T4 @9 e% q7 y5 ~+ x+ [: l
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”。$ R& s* ]* _1 j* L$ I% I# J0 M7 p
9 a/ \0 f8 `5 ^Chunks( B; b3 a+ _9 t6 `9 [- \5 }
0 B" c- w2 v z
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。
4 ~- D( k+ N1 s' k8 f, R8 R1 O u i5 J# K5 i
3 I' U* @4 I$ {" o2 x
图1-2 chunk的三元组 9 Q# R- n6 Q8 G9 o& O& g
9 v% @! v3 r$ V- t2 g/ n
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。0 h' R- X7 R- d3 ~
8 ^( H- _2 t& I" t" `' a 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。! t6 l$ J/ e! P1 n7 F$ {
' c" q3 ]% w! O
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。
) h9 P4 H; {7 u' y) k. l0 d' J
. f, L3 U$ R) U- N' t# V" h 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。. v( R6 i; Y8 _0 q _) i: P' C
. e7 n, N$ n9 P- D( T 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。
! O, `3 E O- r. K6 v2 l8 ^$ `' ?2 } ]2 X* i
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。
& e) q L8 q0 I
4 \$ A7 F# x+ I9 \" c8 t; `Replica set% G. ]% c6 A% P& {" K% \
4 c% {! l' n- r1 u: h3 O( U
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。) y5 o+ D$ N- t1 t4 e) T
9 M! z) G# `- v2 c) a7 E0 @
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。
" }" {/ s- B4 a( x# o8 v# d& x: ?
' [1 b6 y' ]7 ?: I5 n7 y 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。3 G6 R" m6 z& A' Y% ]8 Q9 j
( H# R$ p! P* H; 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。/ ]$ I' t4 O8 i$ G% M
0 p( f) O7 k, _) ^8 r8 q) }
Config Server
, B* n; w4 s+ T% T! H . p7 a5 ~" _! f1 P& h
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。
- R" h6 T7 j; b4 y5 N/ u5 @) H" n% n4 c9 E, d# d; _$ ]
每一个config server都包括了MongoDB中所有chunk的信息。
; T0 C7 W' O P! E- N" P+ a/ g: ~, O2 T
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。: {. _, {5 a+ l( N5 V8 o& a! w
1 L! M% M! }; D1 t 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。
& m1 ^2 z: J( E+ E; p+ y% C
( [# T6 |% C* J' X0 V 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。1 p& m& @2 e1 c4 e
' ~% p& @2 s. x0 s* SMongos9 s0 s5 j+ O; _* _% ~- X6 M: Q; P
$ X4 l! \! f- J- m6 E3 T5 C- `
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
1 f6 T. d" T; e. v5 `! L' m* b9 _
" |* G; d# n, j) E7 g4 e c% e# j" m 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。
* i: I3 F0 _5 l: s& j& q( e' \* `/ _$ V- `6 u1 n
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。
! z! D1 g4 \0 k2 p, ?6 J. ~. ]5 p D/ o" z# V
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。 z, y Z) h, l N) _5 I% R
! f2 L* `$ F- N. w1 E
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。
; M, T- n- |8 d: O/ A& J/ Z
& k( _2 ?8 j6 E2 a2 p; _9 e! I- n/ A/ N4 X' |% m' [
Reference，
- {1 b8 z3 e4 y8 Z. e; D5 |3 p: T9 r8 e* a: f% G+ E+ c" r
[0] Architectural Overview. H# O) b. C; l- g7 t; ?8 ^6 N
http://www.mongodb.org/display/DOCS/Sharding+Introduction
5 `4 f2 }; X5 g3 t |
评分
-
查看全部评分
|
雷达卡
发表于 2012-9-18 12:31:10
收藏
分享
淘帖
支持
反对
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
千斤顶
显身卡
楼主
已经给你变成正式会员了。
