|
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。; m' V8 K2 Z( p, R
, i3 P% _7 T& m! q9 N/ A+ F
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?& d' @% C) d3 @7 e \; u5 {
' w. E. u3 s/ K7 J: p5 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。
$ _) K. m2 p, y( b
8 f" v8 W. P+ R5 E' ]
* Z" U0 g) ]# I \" H7 m9 L
+ R, a9 h* R- u0 ]1 a \
图1-1 MongoDB架构图 5 ?5 T( H) h' L
9 M9 D. G6 E4 e! d0 i" H 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)。& a0 ~& P+ ]( p( P+ m& c% u9 H5 I
/ Z% a9 }# f2 F3 a$ f3 FShards2 y- w4 M; h% |- P% Z
8 s$ k: o1 ~7 Z; M% U 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。2 f: e S+ u p3 M6 }2 [
6 R* T, M9 w( \( b 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)。- ]+ n/ }& H, E$ V) T7 G
& I: }# n% U0 B+ I# E- q 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& v7 ]" D2 F* R/ _! z- D7 g
( p7 o+ G% f5 h0 S; R; E# } 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。
6 N. x0 j3 g) C/ w: x6 ~& p- d+ I, O& T: Z7 R
Shard keys
5 @2 G: r$ X0 F5 v9 A. j1 t 2 r6 g' a6 p, K4 `
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。5 t H( X2 h! k8 L! W& C' `, T
: c% h4 u% a8 k% @ 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,. I' k6 F9 m- W+ I' N2 o7 W7 L
, L8 h* }; h. q0 G2 F{! ^+ f# T0 L" p6 q- Y+ d
"ISBN": "987-30-3652-5130-82",9 b+ U5 T% z" R( u6 q
"Type": "CD",
( o9 v) `9 M6 a- Z+ C& z' b "Author": "Nirvana",$ Q, |0 d6 l" T. B8 T
"Title": "Nevermind",0 o1 V. i1 x) h* j# u4 e
"Genre": "Grunge",
2 s+ T- I0 D5 k2 d7 d "Releasedate": "1991.09.24",
( }; j5 N# ^' Q% S) w "Tracklist": [
$ Z6 }8 J3 H5 R! w {8 r1 z' T- }6 T. T' T, C+ b9 V# ]) ?
"Track" : "1",: Z- v; T, k- Q
"Title" : "Smells like teen spirit",9 s; {! f$ B" ^" {# H# }" o! L
"Length" : "5:02"8 w. U: i* W; \& }/ ^+ ]. T
},
3 [- y: s/ ]. O+ c' ~( ~ {
# p% a6 z9 H6 |: S+ Y( ? "Track" : "2",* o8 g! m1 M" L* B1 _! J
"Title" : "In Bloom",
3 N% t6 m6 \5 U& P7 a& H0 z2 O" d- Q "Length" : "4:15"6 L0 N6 H; V/ k. T6 _$ B
}
, J& }$ Z3 b6 U6 M/ ` ]
' o, ^' {) \; J3 @" x; Y4 e}" f Y# v% `1 N; O/ m9 M$ N# A
; c L0 J, u. a0 ~{
8 f5 d0 F1 P+ y7 m ? "ISBN": "987-1-4302-3051-9",5 o. G& H% {" @% `! h+ B& s
"Type": "Book",- f" c5 e0 @ z5 M3 f/ F# n; e
"Title": "Definite Guide to MongoDB: The NoSQL Database",% e* B1 y, h+ W' S' c" E. G
"Publisher": "Apress",
% N; q6 Y/ A$ e3 k/ w "Author": " Eelco Plugge",$ ]/ m) ]5 C. z6 A% x! y
"Releasedate": "2011.06.09"4 A% U/ u) D* I* P6 z! T' |# I
}
" L* @$ N, U, k! v& }2 b% Q' ^$ _ Z; I% o
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。
2 m# w6 ?' j; t2 W3 s7 c* [: p7 d+ T/ e% 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。
1 l( q/ K ]& v+ N+ y1 ~1 H2 `+ q
, e+ e; d& C6 Z4 l) f7 d 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。; J3 V+ R. h* q' D/ |
$ O5 k4 W2 \0 }2 r 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。; j! w4 [/ b6 m4 E' y8 m
; Q; Q, V; w: h$ }" W% M
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”。; n7 `( ^4 X$ D7 H5 U" M0 t
- {7 P$ U, n; G. XChunks
+ J' ?9 \" B3 F; x1 Z h$ W9 j$ A
# l- k V7 x4 b3 T! i 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。( t# C# B: h+ g* L% ~* I3 Z% i V
+ m: I8 s7 @+ U4 w R4 y
( ~5 \1 U: U1 A% r# @+ b( H' N图1-2 chunk的三元组
) ~& Q$ }: `" i( I0 g" \ W8 W' {5 s! l- j
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。8 `4 {& u+ I9 O! O+ A
# i! ?! ?% x2 D$ P6 G/ ` 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。
# ~1 S% m1 W6 V$ f; ~' v% Q
$ d+ t- Q0 \5 m( e 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。1 ~: l/ l) _* x* u3 E8 \4 f' j
$ A( f3 R' [) Q6 ~
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。5 J J6 {3 p5 p7 {( v
- b5 N9 L) _7 F* F4 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。
5 Z% e% [/ i& e$ Z+ ^
# I3 y! k# r5 `- ^ 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。! d% Q4 D, l+ F$ I
b2 D0 z$ O* S* l
Replica set
$ c# c) S' @5 W# U9 ?2 j2 l & z/ V$ N4 u$ Q* `& w
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。# `- Q. s3 G2 i+ k! x3 m* b4 P
9 q8 \6 }/ f# ]" D4 p+ j
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。! A* N+ {; F5 D
) j, w) v0 [, [2 I0 U
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。
7 ~0 N& t d% B2 R3 l; E* i! i5 G2 t! d* z
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。
% E6 q6 F6 L" K6 I8 S$ l E& x6 k* \: \) x
Config Server
0 I6 \% c* N+ p! N
: r0 ?; {! I( |! {3 G5 L 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。2 u; F! C! u/ j+ V) y
. |, i/ }* r i" H$ r 每一个config server都包括了MongoDB中所有chunk的信息。
. Q% x$ r9 h' Y! _, \4 F5 g& V* j' ~9 E- f( ~1 _* a9 T* e2 x8 u6 ]
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。
& I; J; X# U Q/ W
# ~# c+ p+ h" }; t5 Q$ J 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。5 P3 [% j& u6 ?( \* K0 m6 \
# e* Z' j6 h1 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。
( V% r+ v! o6 e7 C; H. O! R0 Y! i7 A' Q& g# [4 H Q' T: Z
Mongos
5 b9 T6 q W* \- Y; a8 w/ d
# f) u3 x4 y5 ]- U 用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。/ ~. m, g' S9 D2 N
4 K4 _/ J8 l, \8 [ 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。1 Z% M7 |4 r* ]' P0 l, |: @
7 |0 j' ?/ D- c R1 X# `! q 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。- l& a$ C6 x @
i0 V3 Y7 s! H; G
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。
, f/ }5 B$ B0 x3 m2 H3 [& M
( r8 p/ D& d7 ^ 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。' L8 J2 t2 W. h3 P2 E' s6 h! h
: z3 j9 n- b6 V! C
2 j8 L# ^) _" N* G: lReference,
' _1 w8 @4 [ j! R, b! z# C, A' p$ d# t0 d$ h; U
[0] Architectural Overview
' ?: r+ Q5 t! e0 b( t" \http://www.mongodb.org/display/DOCS/Sharding+Introduction# c0 I6 p. R, R0 O% q' j
|
评分
-
查看全部评分
|