|
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。9 s3 O' S" f8 |& E. A3 W
% L+ q; d3 E6 u" Q0 P& y1 ]' e- _ 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?" \4 I: K+ g3 O( w- B* C
9 T2 _- d+ x" |& ?5 T 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。
* \; y# c6 y& o" _& b2 q+ Z ^0 C; M) a1 [. U
; i0 E0 ]! d0 B
v* k7 O6 n: W
图1-1 MongoDB架构图 3 m& c/ ?: l8 Q; q
2 u* p0 R ]4 ~3 @ 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)。
. N% B, L! v4 @2 m& k' T. p5 W6 J9 V; E% n4 r( I9 }
Shards
+ I: q% g% l* r( S8 @" j* w$ g8 [# }' p+ C/ a' t
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。) c" N) n/ B' _8 I0 M% P
9 Z9 q2 ^6 C9 |9 u/ L6 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)。6 M* V9 V1 o* }. ^0 n
2 q9 i4 y/ J; W4 i L# \6 c. ]- y 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。9 R3 U1 Z4 \# a1 U) u
5 g+ h0 F y W }" Q 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。. Q6 a+ k/ ?* k# m) W
! r, ^, e* ~: P4 R# g7 D: p
Shard keys6 v+ G0 o `7 P' ^! P* m
& V6 G/ B8 m4 I0 G# x
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。3 j. H% s0 i. o+ f, @
! U3 Y4 M9 T/ ^, S9 u- i
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,
0 @, o* d! x, V3 ?' {6 a# _3 y1 T2 B8 M6 S" e
{* n+ q/ l9 s, B: n# _5 }; P1 R
"ISBN": "987-30-3652-5130-82",$ u6 d0 d$ R2 }
"Type": "CD",
1 U1 `4 U2 m% N% Y$ Y "Author": "Nirvana",
) f8 D. k- A7 {4 h "Title": "Nevermind",
& P8 _. `+ j; U9 f6 Y, U "Genre": "Grunge",7 N! U- P9 L# n& J
"Releasedate": "1991.09.24",% n! w- D$ x7 l# b, M U2 s# L
"Tracklist": [( ?0 M; S: N1 P T" } V
{# x& `1 j- N j0 n U! l
"Track" : "1",
2 f' @+ ~! q. i3 |, W: w/ a1 ^0 v) h "Title" : "Smells like teen spirit",
) l9 F, E/ [$ l7 ?$ X "Length" : "5:02"% Z# _. p) S5 _& r4 `4 B, @
},
' D& d! j; R0 A( S: U v {5 z' a; k% x* Y0 ^% ?6 U- e3 m
"Track" : "2",, e6 D# p b; F( u% x ~0 i" D) t
"Title" : "In Bloom",
/ t9 r& E. E1 o5 e "Length" : "4:15"
0 P, K$ T9 N! j }
6 E; g% z3 e$ F4 o9 Y" U8 e$ | ]
' O% f; |7 e$ q9 E; ?}
: |3 K5 D, O, u0 E L/ x8 A- g
{
5 { _& a" U- k( B1 u a! h "ISBN": "987-1-4302-3051-9",
7 D) y |: k. ]! @1 v' ]+ Y6 C "Type": "Book",1 n/ Q7 o! p% W2 L7 w+ j+ M* @
"Title": "Definite Guide to MongoDB: The NoSQL Database",8 B$ J- l8 B7 a9 M9 K) A: a. R) V
"Publisher": "Apress", f) [* Z2 f7 g: o
"Author": " Eelco Plugge",$ K* n. n0 E3 E# y+ z
"Releasedate": "2011.06.09"
4 P. o6 b$ Y7 K8 O}
C9 |2 W( S" f$ G+ ~) k" C
2 D/ g7 t# x1 x! Y8 N 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。$ r; c# u: t% p/ ]- Z4 T7 x
# h: E2 h5 |2 S9 p/ K: \" U6 K0 O
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。
5 C) E6 }+ K2 O0 u/ A- Y$ i( b1 c9 C, g7 |6 p ?7 Z0 V. c6 Y
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。
9 g" L# U0 O; u+ S6 F9 e7 l
+ V) [% E" v: u$ z. Q, s' m+ M 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。
2 |) L- O* L# z; [' Y" F
5 R5 T8 C; C: {# ? 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”。
5 x$ Z. J* Z1 U6 Y# T8 a
- @, p8 J( A! m- Z5 V/ [Chunks: u$ S2 K# C& K
7 }5 V. N( G& O+ d' t+ O5 ]
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。
! F) j; A c: l1 s8 `: X
2 Z" L# Y& {! h# K
5 `/ q% d, V2 t5 c, P+ j- m图1-2 chunk的三元组
& w9 Z/ J! Q: V
. O) E% A( O. ?; T+ Z5 o' 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。+ m. x7 w t& M# Y
9 H5 [5 A3 r5 N% J$ S
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。" Y4 G V, \: f* b9 K
4 E+ M, K, t; P* x6 y 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。0 _( F- `+ Y, d3 Z4 W
3 k% J, B) A" F/ w6 G4 y; ?3 ~/ K( \2 M 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。
2 X2 p1 b, r6 V) h, Y' w* _4 Q! ~5 [4 i3 K$ ^2 C
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。: l: r ^0 t4 H
; g0 H, G/ o9 R. |! b- ?, E; n2 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。& K0 z. m! t [$ V% f2 E
0 }" p2 G) F ~4 o+ f1 X0 r
Replica set7 g! D9 L+ B: U! f
7 N/ ^, g4 ]$ l6 } 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。# l8 m8 f8 f$ N! e, t9 k& [4 j
+ y4 |1 w) u- i/ {+ n5 Q c 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。
8 _+ P* Z. E. l* t* ~. o2 q8 }: m* _7 k" G* v3 A" v
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* v6 B( }) o4 ]- O) O1 G4 H
3 H/ P0 }# q, h0 X
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。
7 E+ p% f% q4 q2 ~. @% W* h$ }) s- W6 Z H {+ e5 \( Q5 ~( H
Config Server
) S0 V% e6 \. t L" M' ` " N9 ?6 p/ j! i0 c9 m
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。
8 M$ U9 `' K$ V) z: Q
# }$ D1 d: Q2 P 每一个config server都包括了MongoDB中所有chunk的信息。
( @" g% J8 u! L3 V8 X! i( y7 \7 H, P7 H! B5 ]! `( I: h# {7 C
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。' p( c2 j# g3 f' p( B
* C- C0 r7 C2 ^9 ? 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。
. h6 w8 R" {. Y' A
1 k/ j3 y" Z5 n, G/ | 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。
' x6 ?. d% i2 G' ~( c/ o2 ^0 O9 ~! ?/ {; b
Mongos( ?+ ?! p) a Q# _0 q* [/ D) N
8 v3 P& E4 G) a& x" |
用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。
6 @; Y6 G) f' N' g
8 E1 x. f5 E4 e. g8 r7 a' I6 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。
! \1 n! _- e; Y( s; a( b! F& ~+ d' A$ K
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。
3 B. t; S9 i/ E4 f) B
p! G6 [# Y7 P' b x4 H* u 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。% j" a4 F% l+ W6 Y) ?# e2 G2 v
9 b& L$ @7 l, I* |- O A$ c5 G
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。
+ L' m) ^$ R" u3 i# e/ x5 e
/ A/ @( V4 i% S/ ^( T0 J
2 R( @2 @5 q0 VReference,
! L( Y- c) |! n0 r K5 c4 O7 }; ^0 t. u4 k4 L
[0] Architectural Overview5 _$ o. S' X: D1 P8 U6 M8 f
http://www.mongodb.org/display/DOCS/Sharding+Introduction4 \, ]- K6 z0 R9 F3 j
|
评分
-
查看全部评分
|