|
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。
0 I0 e" `& g& O4 u5 `+ k
& G$ ^$ B6 v0 \7 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?
* x6 P, N3 n( Y. J% m) Q B% k- ~- `5 ?( s/ O, H
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。& _5 z' P$ p- f; l; O% K3 S
y1 ~+ Y! c: w1 b
! L4 ]7 \0 t+ m3 D. Y% }+ f, _, m# _
图1-1 MongoDB架构图 + F r5 r( K# n
, V4 |# r8 H% Z4 O( _
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)。8 O. n# [9 A& P
3 M# x! K/ R* u: ?- @Shards
& }; s) R$ @7 O6 g# o% Y* p7 K3 E9 u6 F" o; T1 v
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 P5 t( F4 O C1 T3 d2 e9 s1 [9 L! L' F: Y, ^
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)。# n6 a' S' V% V, ~; |2 u
4 M4 E9 @, g0 i 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。
0 Y# ^4 }$ v2 w2 e" B% S2 {1 L. {- Y- G* r) ], M6 h
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。
% @) ^ J& m J: m) V2 v* }2 i. n
Shard keys5 X5 D. h0 V& N$ M5 k7 @; w
1 ^. O" i& m8 j" }# 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。
x7 G+ a9 U% B# S5 x
. I" Q' x3 \& P+ I1 ] 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,
2 C/ \6 X1 C/ Q& }* K# F# H1 U. n
: H; n9 t0 L+ a+ @0 ^' o{0 Y C4 ?, x- R) O
"ISBN": "987-30-3652-5130-82",! i6 ~8 z$ Y; W, x2 w, Q$ m1 H
"Type": "CD",
8 A1 T/ U% G2 W "Author": "Nirvana",
" w8 I$ v" d* B( J! w "Title": "Nevermind",
- X6 F }3 \ j0 J "Genre": "Grunge",
# l; ?) x6 s# O "Releasedate": "1991.09.24",' b0 U2 \' f2 f: Y! e) h( D, `! X
"Tracklist": [
2 Z6 f4 l# u$ O. M {9 i1 I" k; I) i7 n/ A0 W
"Track" : "1",' ^& b- E3 y- a& y
"Title" : "Smells like teen spirit",( f; g& r" G) ^3 {9 d
"Length" : "5:02"
; N* c2 z ^4 A$ G3 | S% q },
+ ]; F* C, {2 M. ]2 h- W {
5 U. O x& ^7 }; y$ k "Track" : "2",
% {6 R0 B" w1 B "Title" : "In Bloom",; ?8 L4 ?! c. [+ X# E; f& q! l
"Length" : "4:15"0 J% \' n9 ]( E. T
}
/ A; x: V% c. e9 n( \ ]" R# ?5 d- |2 ~0 H( p
}
- Q7 s" U% ] n0 w$ x% ]+ I6 r, G1 X' J* W
{
1 ~( Z4 N1 m$ r7 T "ISBN": "987-1-4302-3051-9",5 |8 n$ T% s" k! W+ Z3 ?0 z) Y
"Type": "Book",* e( q+ v5 Q$ h5 [- A9 W. O4 F% S" a
"Title": "Definite Guide to MongoDB: The NoSQL Database",
2 ?: a! `6 W m6 G, X "Publisher": "Apress",
2 a A; t8 h/ Z5 Q+ }+ @9 @' Z "Author": " Eelco Plugge",* Y# R% g9 D4 S7 _
"Releasedate": "2011.06.09"
5 S; D i, T$ j}! I# W. R9 t6 P
, }" [! J* c7 ?
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。
! n# p `. ~9 d b# r" E7 v2 D: ?; B* c1 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。- f, }6 X9 z) n0 W
# W4 `+ a2 o5 O) f V7 m9 c% b 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。
! o' U8 U( F& _" s% E5 Q1 |9 c# ?7 X8 r) i$ x% `
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。
* a" \" K x8 E9 Y9 v4 f2 r' |$ J& l2 S% N$ 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”。' i5 s: y/ n$ A) Q
$ ~) l& B, C Q3 |7 c2 ~0 X u
Chunks
2 a* ]) W n5 |# r" W) t2 s 0 U9 y/ ~0 Z3 J1 @% |( P; S7 o7 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。/ @! w! a7 R: w. Q& R3 ]
" q+ J7 g% Z: {
9 D6 m: S$ p/ i X! s6 `图1-2 chunk的三元组
7 N5 Z5 [! @$ Z& @! e! X( S7 H7 G: b: T, n* B w O( g$ v
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。
; E. {: R6 X/ Y6 }' H; v# Q' ^ | O5 f. L9 Q& E: {& U
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。
6 n- |& l. y4 G* U) C# h
9 Y4 T V3 S( ^ 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。/ X( [: C l; |7 |# f9 j( N* k
$ C1 z: U) j& R" X' W
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。6 a2 a* s. Y0 ?% v5 O/ R
9 F' P _! f5 H% v$ 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。' L1 v1 D$ s; z. b' y# K- C! R: y
4 ?; K2 j$ [- g- ` 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。
. T" i B( i2 @4 v# [, w' ?
2 M$ v. f5 B; B4 C: Z" k, AReplica set- P$ h. w% V) Y) _) } I$ Y7 f T
7 M2 u6 l; ]: f. T 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。7 X E8 l/ l3 x& n/ c4 n
& J2 p2 t9 m5 i0 y6 H% G
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。* I. t8 |) H( w' ]- Z7 r0 k, }
1 n E; M6 P' e! W- z 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。
; _' b* ?# Q" W$ `/ M! N
( D8 J0 P& Z7 `) Y6 @ 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。
5 l! H- k2 |; N$ U7 G
* b& G& ^' X$ m( HConfig Server2 l5 f t8 A# g6 f, [- Z
! ~4 v% ? S' E; [! n: n 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。
( e" W$ x* ]- v" ]; X: U0 `1 G9 P
~* y$ T4 F$ p 每一个config server都包括了MongoDB中所有chunk的信息。
( W8 g2 `+ L8 }) ] a% ^, Z |3 t+ I) ]4 q+ ] o: Y% \
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。. S$ R3 e' f: K* \" T0 k
0 I* M9 ]4 \' _# S' k- a 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。
, R. I8 K6 n$ E
3 E( H! j9 ^4 N 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。
- X1 F$ k4 _3 |# y9 x$ A* I. L5 Z) G& F
Mongos8 I( ^( d) }5 l
, J' p5 ]* {/ L1 n 用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。- x3 L" |8 E+ p- h$ C
U; e! d/ I" B# F Q; Z( y
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。! U. A- w+ j! p
( n8 u& S2 D. S. P4 ~ i
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。' \' }4 f( f; K$ t4 R
' z" y/ H( P, B; W7 P0 p2 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。3 f9 ]) k+ q9 m& {
* B2 X+ z4 f1 k$ [1 V
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。
- J. q A" C( v& T$ } O$ d
8 J6 ~2 S7 G; \* u# m. d: l' v* q c) H
Reference,$ g: a( J1 s: i& G( e! X) n$ {- Y
3 o$ Q0 U" n3 j5 ^; S) t( C# g0 M
[0] Architectural Overview) g: g+ a, h9 e- ]
http://www.mongodb.org/display/DOCS/Sharding+Introduction! H4 X/ f$ {9 V! o
|
评分
-
查看全部评分
|