MongoDB架构概览

shengnan007

    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 a' R) S6 z- Q) g( Y6 A& j4 W8 n% g/ o
    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？

    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 X) D! j1 ^, f; A/ e! E% K

图1-1 MongoDB架构图

. T/ B# i. }+ Q/ K
7 q* x& E5 r0 f8 c$ Q! 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）。

Shards

8 u. ?  k4 j7 w+ h, V& Q' J    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。

    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）。

" M" u( M% y, d& @, 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。

    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。
3 Q8 S' u9 i1 A1 U6 s
2 a7 E0 s& ^5 l9 dShard keys
" S; n/ O2 @" U" w' c        
" }4 o/ q8 U& @, Y& [) a    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。

4 ^0 m3 K! c" m# G    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，
+ b6 q$ X4 \* l0 o" k& L  m$ h1 h
9 n# [. I. H: M0 u# X{
# r- |" _6 ~  P9 ]) I  F7 \  "ISBN": "987-30-3652-5130-82",
  "Type": "CD",
2 d% v! t' @  a  "Author": "Nirvana",
  "Title": "Nevermind",
  "Genre": "Grunge",
   "Releasedate": "1991.09.24",
   "Tracklist": [
, z0 K3 w& Y5 X0 c/ b     {
! J( Z2 l* Z' M0 Y+ \9 h        "Track" : "1",
5 r- ~5 |, i+ X: }0 z& p        "Title" : "Smells like teen spirit",
) ?$ G( X) l% l: |& O' q        "Length" : "5:02"
     },
- ^4 d+ j8 T5 Q7 L0 [! V4 P     {
        "Track" : "2",
9 J* w! m+ f  k! i        "Title" : "In Bloom",
        "Length" : "4:15"
     }
   ]
}

{
  "ISBN": "987-1-4302-3051-9",
* {9 ~! i$ A* v& k& S  "Type": "Book",
4 B' z# @' X. t1 P6 p8 D, Y" J# q  "Title": "Definite Guide to MongoDB: The NoSQL Database",
  "Publisher": "Apress",
  ^+ x7 J% j* }% J  "Author": " Eelco Plugge",
2 W" i$ x0 Q5 q3 e4 Q  "Releasedate": "2011.06.09"
% w8 q* M3 U7 l8 c6 Y4 q" w}
& i; D( |) y2 \. a+ ~
$ S+ X) L8 z6 r    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。
% h* p, ]# W3 v3 H
    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 ^" J: I; M: j2 x9 }
7 r" ]; n6 v" a    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。
+ [, m3 v; n% ?, b" t- O
/ E: f, V. h, b( {  G    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。
- V- ?9 _" \# B: o
    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 f* }' P9 L/ L/ M8 E" B' B- Y
/ Q' l, u0 u8 Z% jChunks
3 S! z- D  |+ x        
    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。
' E. Q2 F* x7 _* A

2 ?1 U0 N0 n, ~. A3 ~1 \图1-2 chunk的三元组

    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。
& w! x$ A$ |4 ?- p7 f5 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。
" k4 f! N# G  W+ l( Q
9 w4 f. |$ B" V% c, c    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。
" J. M: i2 Q/ z
1 I) o5 Z, D, c. y" }. q% F2 l" P    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。
4 K/ X$ a+ ]. Z3 s& k# |1 ~3 G
) Z3 ]0 y3 e/ v    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。
7 |$ ]! T* P# M6 e2 Z+ ?! E5 y) Y' R
6 A. a4 S* r9 Y4 n3 L0 T; ?& a    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。

Replica set
        
" u+ b7 R% Z/ q    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。
  x1 R" E, b4 `1 N3 ?7 j; h5 K3 w: ~
7 y. ~% n. k4 w9 T$ ^( P    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。

    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。
$ {- i& A6 K3 [* V( w: w
) K- r: ^3 |8 j+ v& H3 j- 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。
+ _# {: |1 |3 S
Config Server
) h  Z+ x( v! ^5 i. `/ G. l; u        
    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。
7 w5 a5 m+ C+ i- k5 n+ _
    每一个config server都包括了MongoDB中所有chunk的信息。

6 Y# y1 O, n2 t# s5 }    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。

    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。

* H1 o- E3 |8 J4 {0 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。

/ B' y) F' m3 G7 T' F$ l3 pMongos
, Y. `3 O. D. F6 i( C
- \; l$ f+ Z3 {8 o0 H    用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。

0 M4 p+ Q  n) J! _5 B# J    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。
- g  s6 Q; l% s2 n  G& X: m
    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。
7 @2 ]9 }. m* \8 `6 ^+ K+ |
    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。
; d/ y8 q; L, @, X- h
  n  [/ q, {. k! \+ }    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。
) ~* P5 y; w( f, D! u# \. l3 A
# o5 C& N! W- o1 A( T0 d
$ d5 W$ s" u+ [$ m7 b7 V( PReference，

[0] Architectural Overview
http://www.mongodb.org/display/DOCS/Sharding+Introduction
. J! h; j( b, n0 h

PenPen

您是和邓侃一起写文章的盛楠么？

shengnan007

呃。。。是我啊。。。

shengnan007

PenPen 发表于 2012-9-18 12:40
$ ?; D3 M  M) e+ P您是和邓侃一起写文章的盛楠么？

) u7 W  B7 U" g0 K是我啊。。。这都能被认出来。。。

PenPen

shengnan007 发表于 2012-9-18 12:44
/ y; J/ h: T: H) A; V是我啊。。。这都能被认出来。。。

5 U  V& c& h/ {. d这篇文章我读过。开始以为是转贴的，后来再一看id就发现真相了~

shengnan007

PenPen 发表于 2012-9-18 12:47
: F" H. G: J5 I这篇文章我读过。开始以为是转贴的，后来再一看id就发现真相了~

多谢支持。还有两篇一会帖过来。后续的还在写。边看源码边写，比较慢，hoho。这里是要推荐才能变成正式会员是么？

不爱吱声

shengnan007 发表于 2012-9-17 22:49
多谢支持。还有两篇一会帖过来。后续的还在写。边看源码边写，比较慢，hoho。这里是要推荐才能变成正式会 ...

8 M3 f* G: `# z0 S; w1 M欢迎，欢迎，已经给你变成正式会员了。

shengnan007

不爱吱声 发表于 2012-9-18 12:51
欢迎，欢迎，已经给你变成正式会员了。

多谢多谢啦~~

巴山

我们现在的 technology stack 就是 php + mongodb，涉及财务方面的东西用 postgres。
: l: l1 l7 b8 H6 ?2 s& R

梦晓半生

谢谢。
( U; i  y0 O, o, v6 X+ J2 q  U& {
中文看得真累，大部分还是英文术语。
; ~, }$ s( n: Z1 r3 J/ ?
" o3 M. P6 e- {8 g3 y. ~这应该是一个系列吧，后面怎样寻找，执行指令等开始入门，还是说的太简单了。
& S, k7 d" Z8 L& z+ |. j0 I( b% u
$ A: O5 i6 l$ t/ Q, [# A现在distributed DB在那些大网站很重要，现在开始有跟已有DB分庭抗礼的苗头，不过不是那里工作的话，其中的奥妙大概难说清楚。

shengnan007

巴山 发表于 2012-9-19 03:38
6 G$ [8 }, U% Q9 @# g2 B我们现在的 technology stack 就是 php + mongodb，涉及财务方面的东西用 postgres。

6 a9 Q( X1 {1 H( ~7 W: ?4 A ...

mongoDB作为存储是没有问题的，财务这种核心数据，还是不建议使用mongoDB的

shengnan007

梦晓半生 发表于 2012-9-19 04:21
谢谢。

& x" R6 g5 D: B中文看得真累，大部分还是英文术语。

现在关于mongoDB的文章，大部分都是在告诉大家怎么用，涉及到内部运行机理的文章，数量不多，而且不成体系。这个系列文章的目的，是让大家了解mongoDB的基本的运行机理，这样以后使用的时候，可以知其所以然。但是由于这方面的资料很少，我也是到处找资料，写了这么几篇，再往后，就是边使用，边看源码，边写了。

profer

shengnan007 发表于 2012-9-18 12:44
8 ~/ ^! n9 K, X& g0 [是我啊。。。这都能被认出来。。。

是邓嫂么？

shengnan007

profer 发表于 2012-9-19 14:16
$ C1 W. l3 b1 _; L& H& {1 |是邓嫂么？

是邓的小兵

恶魔吹笛来

有点惊讶 居然在这里看到这篇文章 呵呵 静待大作

梦晓半生

shengnan007 发表于 2012-9-19 08:44
现在关于mongoDB的文章，大部分都是在告诉大家怎么用，涉及到内部运行机理的文章，数量不多，而且不成体 ...

太好了，期待中，希望都带上英文reference。
) O! x( b. q6 [" B" q
现在这种新技术很多，Mongo是比较流行的一个，我这里附带一下一堆NoSQL的新系统，到最后估计会有几个胜出。
3 ~- Z3 G7 [: v9 l' Q
3 D/ f& O' o/ e1 a  E7 rhttp://en.wikipedia.org/wiki/NoSQL

shengnan007

梦晓半生 发表于 2012-9-20 00:57
4 q# Y7 c! s: A: k9 G6 Q- C太好了，期待中，希望都带上英文reference。
, [9 W9 v9 B0 E( ]: m  M
& d& J: U2 D2 t/ n0 S4 ^- b现在这种新技术很多，Mongo是比较流行的一个，我这里附带一 ...

' a  c4 p2 |* A1 \现在写的也很纠结，资料太少了，哈哈

梦晓半生

shengnan007 发表于 2012-9-20 08:53
4 G5 u$ F. t3 o3 J8 C现在写的也很纠结，资料太少了，哈哈

6 O6 a/ Y8 ^4 V+ V# K' C建议从NoSQL写起，这是推动新数据库设计的需求关系，原始动力。

http://en.wikipedia.org/wiki/NoSQL

定风波

恶魔吹笛来 发表于 2012-9-19 18:35
有点惊讶 居然在这里看到这篇文章 呵呵 静待大作

有什么可惊讶的邓侃在前一个爱坛版本是很早的注册用户呢，从开心网一块迁移的。。。

shengnan007

梦晓半生 发表于 2012-9-21 11:52
& M* \+ u4 l2 k6 C. J1 f6 S2 G建议从NoSQL写起，这是推动新数据库设计的需求关系，原始动力。
6 W0 {2 J7 L8 E) A
$ x1 [7 D: o1 d- Zhttp://en.wikipedia.org/wiki/NoSQL

好的好的，现在这个写完，然后开始写nosql