|
|
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。
; @; G/ w! }6 W. x- |( r$ `6 e& Q- N$ R6 x* F! B
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？# m) N6 [/ V' a6 l8 t
! z+ a, ?; x+ c: z 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。" [4 l3 L# l3 M4 n5 R, w
+ w! Q# Y# K& [
4 K3 H& u: y! \% K9 B
! t3 T/ Q- U- Y! S& z8 i, z图1-1 MongoDB架构图 & N9 G8 ? u* [$ u# \& y' D
+ n+ p) N- a) J% J
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）。
% b4 W/ A5 z: N
0 | m$ O- H) ]% u+ H$ s' t2 ^Shards' [6 E5 w+ [- t* c5 w; m) A+ |
2 T7 a3 q* d" E( o9 ~5 }4 U6 i 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。/ K% r, A8 G# [5 n
! w9 h B# _9 K# E$ H5 p 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）。
* E, v; a: Z8 e% A* Z7 p2 R4 D) d3 b0 R: E6 r
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。% c2 X) P" i1 @7 i0 L4 W7 V
+ P' ~6 F/ t. X: p
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。
. |; t6 a) ~6 x& d+ t4 a5 J+ ^
* j2 d, Z7 E/ i1 ]6 vShard keys- g. l! r8 Z' h/ ^' ~- H# I2 }
, [6 l/ Q$ y% t0 H" W2 v0 W$ B
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。
% ]: G, {* f1 G& m0 v O7 V5 U( U
3 b% ]( j# y9 ^ 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，
9 U# j# n; J2 |: ~
% j* z9 M; i; c- i: ]1 M{6 Y: S' |6 W& X& N/ c' ?8 M( E
"ISBN": "987-30-3652-5130-82",
; D; ? M! h+ W+ |% y8 [2 B "Type": "CD",7 o# i- h/ X- f1 J
"Author": "Nirvana",# p ^3 k; m. ^7 y. A* {
"Title": "Nevermind",
- I* {) C B; _8 B) A/ K9 O, O1 a "Genre": "Grunge",$ o* M0 l1 q4 I. D" C' B$ v
"Releasedate": "1991.09.24",
) l! X! W7 @6 x8 L5 v% T "Tracklist": [$ B b/ X! D" R+ X
{
k& \& W$ E4 Z+ F- D8 V/ [ "Track" : "1",
1 N- ]$ O( q/ ?. L1 y8 Z "Title" : "Smells like teen spirit",
* s7 _: C9 W% Q "Length" : "5:02"2 d$ W6 E- d9 }# {, {, V
},
$ r; A6 P+ C$ F) ^1 I* ? {' A( I% l H. I0 m( h
"Track" : "2",6 L, _: m8 x q
"Title" : "In Bloom",
- |+ q3 T& a2 V' G% ^& I "Length" : "4:15"
; @6 _6 Y7 }& b( l }5 b3 k8 ?9 u' M: O- C
]
k2 D- F3 b6 k, m& h}# _1 h+ C) x) \5 X, X2 e. o
2 Z! \6 h/ f8 q) c& N( W% d) l{; E0 _4 y# q. m7 l) _
"ISBN": "987-1-4302-3051-9",2 b. r1 H% H# t
"Type": "Book"," u# k9 E/ r4 K, q- p4 W5 z
"Title": "Definite Guide to MongoDB: The NoSQL Database",
. {! ^2 R( A( L "Publisher": "Apress",! ~' ]: k4 c7 t, {2 K" t
"Author": " Eelco Plugge",
: F# v+ Z- L1 |* _. y1 R "Releasedate": "2011.06.09"
. W1 r$ }6 e! a$ B3 h}
- ]. [: e. C# {& X
p" g/ X+ v8 ?$ c/ | 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。
6 v5 k9 T* ~$ E7 R- T# q/ j. k/ l2 ]5 v6 f2 }( z% }+ Q# E
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。
4 z2 T- q2 M/ l+ l3 B/ {4 X) `' _& u7 ]: t5 [1 i
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。
2 ^# s& h$ K6 s- w2 \+ b- ?5 G2 a7 |! F
# G- i8 r' h. X4 p/ i$ q! \ 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。
! ^; N* ]$ X8 { x4 [1 M* ? J' f5 @1 v
9 l1 M/ ?$ Y9 i8 o3 L 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 z6 [( s2 X, [" I8 Y1 t, @/ q+ ^+ \
Chunks3 x- }6 X" I' ?% y) ~7 L
\+ [9 y5 N# ]. S( o 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。
9 I9 W- b( n) f6 ?) M$ B2 O6 ?: k/ O) K2 I V
# L! P/ P4 B# S* A
图1-2 chunk的三元组
; p" w. y2 z4 x1 b* i. g7 g' A Y4 |) P; Q, u% z7 M
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。
6 J2 u5 h, t" Z s% a& S+ n
& L8 Y6 l+ Y: T# H$ 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。
7 s, U' d+ G. U
$ [2 e! A5 U5 a& I& H1 H8 p9 { 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 g, W2 q9 o6 o# @8 S: o' q
9 {8 K# I2 D% L 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。
9 B& P; `! {' s' D) f3 O( m4 H1 J3 G0 W. Q! ^& U3 v9 q5 @* o
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。( @+ P# P% h% ^+ K U2 b t
: a! J5 [ I4 _+ m
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。
# C, ]0 ~$ x& E9 u
. u% O% m. N. D/ C, N( e6 H% TReplica set
. S! [) x3 m, X: r1 l( q- g% T 6 o d) G: n; H5 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。
, m2 G. Z# _# P6 Z0 N
, r: n( U8 d5 F 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。
6 i: G# _2 X1 z7 J) t" S4 l3 m/ i3 C$ A0 N% U. _
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 h+ B" Y/ V7 h
( B8 W2 c K7 A 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。
+ x& t6 A' K# O; d9 I$ a8 @( x6 p9 V. W$ H3 o
Config Server
$ P6 Q' |1 _- g8 ^: v
, i2 Y5 `. @" X 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。
) x4 @) K6 S3 w; X6 K8 D# r# a9 v9 N( O/ H. w
每一个config server都包括了MongoDB中所有chunk的信息。, w O6 U- p ^$ V' c2 b( G
- V- z* N# u: _: X, v
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。4 y! U9 \. |- k- b0 o" Z
9 p7 [/ A: v& W! V i% x
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。* f) k1 K q6 A
$ d' o& } ~" y& q0 ? 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。
! \4 H. A" ]/ J* g
/ z v: F' }( h" v# @; H& @Mongos
+ m- R# R( o! j0 g
1 p0 w2 H9 N$ T 用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
- f+ c0 J3 l: {1 G
1 B- j2 n, A& [: }: Z 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。0 U- a0 Y: E/ T1 l
/ _, {3 j0 K' ^6 |8 { 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。
; L: A- R" h+ Y' A# U0 W$ ]2 y3 E" d1 _7 b- v, r
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。
1 T Y5 H& S6 X3 [/ g. I9 @+ b+ R- W; }/ k/ H
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 g0 _+ t; g, f R* v9 z9 g
9 P" B; @- E- p) l$ d
~- s, I6 t, ?7 NReference，
) H x8 f* i* L# l. c6 y) Y# f. e) Y1 ?7 R" a b
[0] Architectural Overview7 }/ j1 ~, y+ _- A; g3 z
http://www.mongodb.org/display/DOCS/Sharding+Introduction% B2 D. D" V, w
|
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。
8 d/ k! i: ]1 o8 f1 x- f3 O+ @( y" o