|
|
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。
! ~; x L, A) X. z5 E; R/ ^9 y2 ~+ ]8 F: G+ B1 w
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？
) z2 d' y) w6 Z# U+ t
( p: g/ W8 A3 `: @) I! g2 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。# L; J+ ^/ B# `" L) B) F; P
) j: c. N" V& z' }3 H
) |7 h( h( H% `( Y" z' ^8 k2 d" y' n* Y4 m r0 `6 y
图1-1 MongoDB架构图
' }" E: H/ B- S0 h2 z& w- V! t
! ?- I1 \$ K% |1 ?8 j3 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）。- P$ y# S+ W+ t- D& w& J8 s& f5 M
) \$ v5 N/ X( i, Q( CShards& g% H% N. A8 ?% ? @
% v! n1 Y! `* R& J2 i& K: Q: ^0 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。" T7 p% X" `4 s4 n4 i
' {) S) G8 y8 Q6 \$ y: J4 g" ~9 X 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）。
9 f% {+ ]: F, }$ L
. A+ L# c: H. |5 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。2 \0 ?& w1 Z4 T1 c& `
! w# O+ L, g n7 ]) 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。
- r" _* F9 ^' V$ ~: M1 F; x' e- r9 X$ a" l+ A
Shard keys
9 X K) |) V+ U2 J0 E6 ~2 Y 2 Q, T, K, c5 c# @
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。
# L y9 X4 t! o1 I
- p+ _4 L D% F 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，% n* x/ B! D9 }) F1 w E
3 g* {& R) E* O. Z! O/ u3 ]{
( |4 e+ D: V- W "ISBN": "987-30-3652-5130-82",
$ a) {" [1 {6 x% f" |# [2 w "Type": "CD",
' i/ T5 R" S' A; v" I0 L ]3 t0 O "Author": "Nirvana",9 X% W% l q9 r( y0 E+ L. J* Y
"Title": "Nevermind",
f0 K# Z& F' ? "Genre": "Grunge",) ~2 o; v Y; N, l# L! J0 o: B) X. {
"Releasedate": "1991.09.24",8 M. g# b; Y2 U) \
"Tracklist": [
5 x2 b+ n% c( n b {
' m, R% {) y" ~) L. K& B$ [. A "Track" : "1",# `5 _! s# }4 Y5 r I
"Title" : "Smells like teen spirit",' |7 Q5 q- f( q, F2 K' b
"Length" : "5:02"
+ w- N3 {: i( f2 k1 d },
Z @$ c9 ]- U6 O$ A6 Z" Y" z* A {6 {5 @% }8 ?7 c$ K) `
"Track" : "2",
, a- D& Z" h& S6 o" L "Title" : "In Bloom",
7 r$ y- t% Z+ J4 M# E "Length" : "4:15"
& S$ j4 X. [1 T3 g }
9 a/ P+ z/ s- J) j# `% X ]
( w% P& H& `' n, A}& l/ t! J2 {, U
9 A0 l6 B" H) C8 a2 V/ Y6 L2 |& L
{7 }# e) M# ?! Z8 y/ `
"ISBN": "987-1-4302-3051-9",7 H# @5 }1 h9 b1 |' ^
"Type": "Book",- z7 F2 a- b+ {4 ? A
"Title": "Definite Guide to MongoDB: The NoSQL Database",
% f. L% T* |1 L m1 Q: D* F* x t "Publisher": "Apress",- S6 Y; ^9 N8 D2 ^) v
"Author": " Eelco Plugge",
+ N. n7 }; [; L: {& Q9 N% @2 M& {9 O' ] "Releasedate": "2011.06.09"; A& b3 |) }! c7 d, h
}7 G2 F. p; C3 [; |
% ^1 G1 p' B2 m4 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。1 P l. b {1 ?8 i
, P8 t8 Z* b2 H4 r% `0 K
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。! D) n* j- e9 d3 i9 b6 M7 W
, U. s$ B8 w, g( e- G 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。
) x* K8 M4 v' [1 n" z) p6 Z! d
2 J& |0 }% E$ W S 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& i1 I: ~' b) e* u
+ L5 P. P/ P# V3 t: X
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”。* Q: O# ~6 }8 g7 z; u3 a
0 M9 K3 x* B' Q" q( k, [; S. \) FChunks+ Z) h' r. x- r" B( w$ [
) P+ g7 T/ D. L( l* @% g5 L 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。
4 g+ x$ a' K2 Y" e! ^. |& R. W$ Q7 {1 ?3 Z2 ~% ^. O
9 ^5 C/ c2 M- S- ]8 I: \# V图1-2 chunk的三元组
- W9 j( L/ [6 F( h
1 K9 B! J) t. {* Z8 n 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。
/ P& u7 w9 L6 U2 D: A/ M3 v" O8 @' \8 C1 B, M) G& G, z
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。
- @) j1 B0 @) w9 T, j
1 _: @. Q' Q+ ~. j. r8 w3 h+ P* | 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。
! H. Y$ D( z- ?6 s4 V5 l0 h
- Z+ R7 u( N3 f3 C/ X- H+ 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。6 R+ }! L8 E* k6 |! @
: l1 m" K' q1 L3 R3 a+ S8 s5 ^5 m7 i+ p 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 t8 B1 _' u! A' Q
+ m0 v8 j3 u3 W 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。
) A0 U0 e, J# w" ~6 ~' {, J$ `2 a$ A* w3 Q4 P/ X9 s" t
Replica set h9 H* G) i. G# s
" H( C+ n9 l, L; }3 y
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。
+ ~& l0 J. p8 H v9 G
0 D& F7 p* X4 k5 {- n! B* N3 ]# M8 l 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。3 {* H% Y# A# `4 r
# h3 H9 a. R0 }1 S: k$ S 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。
+ H& O2 P( T* q& f4 Z4 T$ c! y5 j& a3 m, @5 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。
/ |) f# d% H6 c4 V W
6 V( W& t7 Z9 R, K2 t% S" Y! EConfig Server: q% p: l, H7 @1 _3 m1 f+ j+ M
' h% T/ W1 G# {5 d9 o( h; `9 I 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。& J) p. a4 Y+ E: _ I1 G
' z% ]: _8 P2 E- V1 G8 u) `! ~ 每一个config server都包括了MongoDB中所有chunk的信息。/ N& ^- g8 l+ M; S8 `3 G
7 N/ i2 j% `, f# O2 s G7 ]
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。
; f/ |2 F9 P# a/ y" E. }8 C! ^. X& p6 S0 _
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。7 V2 }" A+ j1 Z- Y$ u! ^! p: f i
4 z% }" b' n r' I$ P8 \
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。
7 g& Q& a; b6 I. R+ r4 C* m9 e3 k
' N: ?) ]2 ^) J1 L" }8 B2 d7 ZMongos" j1 L' ?8 P$ ?; p' u8 L. i
, O" U. ^' J+ @& S7 X/ q2 B* \
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
$ |1 ?& e) e! z
1 o/ p0 [" M" a* a9 q$ 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。; G- D5 c. L/ A+ z
: Y }( w; f% Z) ?, @4 S. J 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 E. w- |: M5 I' Y" J
: h) P/ L. z, r9 o- i+ [" A1 E4 t 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。0 J. N4 l2 h$ F. A
5 Q- b9 s: N: E3 @4 U+ ~ 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。5 P) w" W* f( N+ S& G2 o
$ y: C+ n/ f H8 w
8 a/ `# g- L! A t1 RReference，
0 |3 Z/ }; _, F( b: N5 U: J* u: a9 w. _8 {; ~' u. e. [0 Z2 a
[0] Architectural Overview$ A4 d. q3 n2 S% C) f4 m
http://www.mongodb.org/display/DOCS/Sharding+Introduction% @" c3 }5 c2 k8 u% g1 P. {
|
评分
-
查看全部评分
|
雷达卡
发表于 2012-9-18 12:31:10
收藏
分享
淘帖
支持
反对
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
千斤顶
显身卡
楼主
已经给你变成正式会员了。
