|
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。
5 a9 j& [ o* d' e3 J& P9 |! Y8 Q9 S' _. I
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?
0 a! o% R3 t0 O- \4 H# ]8 J0 f8 S' Q3 C* ]
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。1 {8 y9 h& v0 E. H
7 B% n# A% l ]$ K2 i
! N* n6 N9 {' H8 n Y
6 v4 b% H; M6 h' `0 V: w- s3 h图1-1 MongoDB架构图
6 l" B8 K8 _# C3 p4 {8 L* E; P1 e+ q, c. Q, d$ J# C
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)。6 j. U3 `8 U! g8 G
O7 w6 t- p; V, b: g5 W: Y$ B; Y2 u# K5 w
Shards# } l! o* E# q" x# {6 A2 B4 ^
3 R, g! N/ |) N1 } ? 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。- c9 c) h% Q1 {
2 j4 a: B9 R3 o1 N3 s 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)。
3 L$ D5 I- i p0 n, _& p! o# `# F( j8 r9 Q5 g) b0 _
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* j' o( t, M. ^5 o5 S7 c0 n
7 E& X: w; t" K/ c) v 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。
0 {+ a- q0 l1 K" Y& _. @; E. t+ V
& a+ Q& _$ Z0 [+ W3 B; v; mShard keys8 S+ h3 C7 B& C% p0 L
6 L! E/ {: o# W% ? 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 j2 v% B, L5 b6 O) t U$ C# _! ~/ m5 z$ Z# H
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,
8 R$ w3 M* l# ?2 A, O8 K
5 {9 ^% F5 [! J1 v+ v: W& G{% ^# L+ ~- X( R" t1 U
"ISBN": "987-30-3652-5130-82",
" L, Z: ^$ D0 u$ w% d# T3 m6 h "Type": "CD",
# @( Z1 Z9 R6 L" h "Author": "Nirvana",% k7 o7 N/ \. R. s9 G
"Title": "Nevermind",! e8 W, }" Z- g. `& G
"Genre": "Grunge",
; u6 o3 J* q8 u7 C9 @0 L$ J "Releasedate": "1991.09.24",* X1 h$ s* S. |
"Tracklist": [
% j) V8 C. L4 H# \7 P+ Y {
! [0 N) ?& k- [5 Q: |# [, _ "Track" : "1",
4 R) U6 x0 E5 Y" n# H "Title" : "Smells like teen spirit",
2 \% Z8 ^: |/ e "Length" : "5:02"
H% i' S: R% `4 h },, S8 g0 R, q' x# ?$ H+ @' j' i
{3 \4 H! L) R7 \0 F
"Track" : "2",
+ Z/ W& H- Z8 B4 w* L "Title" : "In Bloom",! B" h( Z# n" o: S
"Length" : "4:15"+ y. Z0 ~: Q# K2 }6 b+ A% e% e
}$ N/ J8 p6 ?2 @* w
]6 S- w1 q7 V! F" e: R8 L" d
}
$ D3 E) G2 j p$ F. [' e& T& ?- h$ Q# v
3 v3 }9 @4 P) k+ W{ g7 ]4 S3 |4 M* B( Y
"ISBN": "987-1-4302-3051-9",) @! B7 y2 p5 ]7 s B
"Type": "Book",9 G8 S: e( R- G; i: g% N
"Title": "Definite Guide to MongoDB: The NoSQL Database",
- {( L+ w( U- Z1 F "Publisher": "Apress",. E; g! C+ r# q( o5 A7 V
"Author": " Eelco Plugge",
( r! C- I3 ~! H* F3 b4 s: Q5 h; G5 V "Releasedate": "2011.06.09"
2 L" [- b8 S+ w# Z}3 x6 j; O" r4 K8 @- n4 l$ S5 M
1 [% M' d8 R S% P! H$ Y5 P
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 o5 v! D, w1 d9 n) h; j" g5 s
1 P$ Q7 x8 R- J M 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。
7 _8 C* x. ?' h/ ~7 I' E
' i7 q8 b5 E5 f4 P6 \; { 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。; v0 |& d5 ?4 `2 P. U; P# Z2 }( f
) K, Q# D9 j/ x7 Y2 E3 a
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。
5 B, c8 A- L6 p8 J' C8 x/ V3 M8 @7 ~/ W: x8 Q
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”。
8 e) h+ t, n2 o* K% ^
" X7 Z$ L: l2 G/ KChunks) G1 c" a' w2 ^3 D4 Q0 v6 `
6 ]" j3 j% b: w$ U, G, E K1 J
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。
/ g% z1 O5 S3 y3 [) E6 _$ w: H; Z6 q; Y3 u y' g
Z& O6 P! L: i3 i图1-2 chunk的三元组 : T1 |- `3 }) \! h5 Z. y) d
% q: ?2 u/ a8 \: f. F
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。
% N1 o' X/ l' L7 V" M7 ~3 h4 n" X; V7 p5 l
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。
- c; k/ z' F2 `( n; R# E6 M
$ U5 ]/ M9 z! i) {% _% X 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。8 O K( V' h, o0 w' j2 v! C/ P; _
8 W! L3 l! C$ j" f 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。' ^ T0 m( R( N, f ]; P
% c! A1 K0 c5 N" y( b& K 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。4 a' j7 W/ s8 ^8 N& l' i {0 B6 B" N3 B
& b6 a; E7 b# P. n# R8 T 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。5 W) I; l" ~1 a; O! V9 M1 W* v) i: C
5 O" G# h" Y: m4 dReplica set
& E, D$ y2 h4 R5 ?( O% [5 U9 g) Y
5 n/ H1 x4 `- X 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 L. X5 J0 c# Z0 V: P3 G) {
3 x! x$ e0 e, V9 }4 S2 s8 y 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。; u% B3 _7 [' S( U1 P+ E: N. _
! [1 Y4 \0 {9 L \$ s7 V+ S( W/ }& m
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。: K* m# L( @8 S% H7 u3 k" o
; _# n6 L1 H9 z9 e 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。, J+ l. w. z$ [. `; v" l7 {
. D6 s4 v* d( K$ R, M& P: h
Config Server
1 A1 P1 H' z) Q R$ |3 V # ~& c( b6 Q8 C0 J% y/ 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。$ f7 e8 [1 D- [
: Y) h( M4 g) b4 E& q$ s
每一个config server都包括了MongoDB中所有chunk的信息。
p+ ~0 s+ d$ j# v6 o5 }% l& H7 f" C1 W9 \
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 i5 A9 i% I2 j8 D. }0 R) z: ?0 t1 z( r" n& t- n9 g" 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。! _3 i1 s6 J V2 C0 H4 @( X- ]
& g) L# h% B* e 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。
5 q t9 {8 B: M! K ^+ G; M0 e! B; x( ?. ?# E% q h8 h
Mongos
- B# _& T# g" H. |$ {9 O/ E& t4 C W, {: M$ W! m9 X
用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。
- a: i5 O4 D' L7 D
" i, j" F+ K; C3 C E! c+ @ 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。
' V% h z0 W* ^3 F s. _4 j( \+ b" ^, g! @; n3 o
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。
; P% t7 p$ k5 q) f: ~- y
1 e( _! A, a; N 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。' e4 @# O0 {. ~# X' B, b9 `% @
; Z0 C" Y1 Z G {* u3 |# i9 M 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。
! P2 F4 s% ~( D r
* B: W& ]' Z6 l6 I2 ^! s- d) P& g9 _; a* c
Reference, i4 h& m* k( o0 s7 e& b: e% O- F
% B$ h* o: {. d" M( c
[0] Architectural Overview
* S2 A2 G5 P5 p uhttp://www.mongodb.org/display/DOCS/Sharding+Introduction4 M* K) Y! h4 B: V l
|
评分
-
查看全部评分
|