|
|
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。
5 f# }1 w7 M! v% V6 X2 h- a0 h
1 n3 ?' N! @1 x# { 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？
* C' V- W! b( k6 i0 g% R* i. G9 f. @
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。3 S1 w; m- s2 d7 I# \ o; `
- m/ ^8 K$ i) c# G. x- z& V
$ g7 ~1 J. Z( a C% l
8 N, ]/ f+ B2 r& S* }" A; {+ n图1-1 MongoDB架构图
/ n2 C! y1 E) T1 ~8 N
7 h2 ^" X2 C$ n' g( k' J7 V3 { 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）。
" N6 k5 ?7 h1 l$ v* U* q
& I) [. @% I# C! \5 A* Z4 ]% uShards
* r& B/ g) b- _
5 G' C- K* ?" z( R h 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。& m3 o' J# `) Z/ u1 O! j0 h
) Q: ] q; [( D# a3 i/ H 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）。
& C) w( m8 K2 B! R
) @7 k7 z- P( P6 }* d" W$ e 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。. V; d1 d1 ~" {+ H) e
* _& E4 Z; L2 Z6 K, T# t
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。
; P: R! ]# a d& N( Y5 u/ H% Y
9 B4 y) X, z, i7 ]* n3 iShard keys
/ q3 s$ _9 W6 p O7 ` 5 D$ F! I0 @/ b: U
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 m, |# B4 _: Q+ P R" \/ _
/ I/ e, S9 R: |0 D. v# o; S
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，
$ R/ U4 g5 t) e" v6 H: b
! S6 S- b4 Y( l' X* Q' B{( r& q' U- \) G8 V, g/ d
"ISBN": "987-30-3652-5130-82",; s( k9 h# c& H1 c" S! W( y
"Type": "CD",
; x2 T {) m' v! o1 ^; ~5 ^9 { "Author": "Nirvana",
/ h# t; B7 t x% S5 C "Title": "Nevermind",
, ^. e* X# R/ c3 O o9 o0 X9 Y "Genre": "Grunge",
. `& ?% R+ e2 P "Releasedate": "1991.09.24",
5 K( W5 U! ]; p* o9 [/ Y; Z/ f5 L) e "Tracklist": [7 f$ f( Q7 B6 _/ ]$ \, `5 z
{
5 m7 t. Z3 F2 L* {! p# @$ \ "Track" : "1",) {7 |$ j7 C+ B, d$ X
"Title" : "Smells like teen spirit",! ]1 s4 i. R+ d) @
"Length" : "5:02"6 f1 }/ }4 [6 |' l8 F2 v0 {
},: Q2 B* X; F/ h, E9 u, ?" E( N9 B
{9 g4 v K4 H- c9 a- I
"Track" : "2",
5 |# S" l) I3 x( E, p0 V6 O/ c, [( a7 { "Title" : "In Bloom",
; r. j' _, g2 ?" j "Length" : "4:15"
: Y( ? _1 @) l# W }
% u e4 l3 ^* a' C! h u ]
2 e* C, |0 [& u! r/ p( M/ A}+ v+ C) h8 }8 R; F
, P5 n0 [, n( ]) A5 v
{
' R+ e. `3 G8 x+ v- v; ]9 T "ISBN": "987-1-4302-3051-9",
/ k( c. Z- g$ V' N5 b e; } "Type": "Book",+ \+ j/ V3 D7 D. M& B" ~% |1 U
"Title": "Definite Guide to MongoDB: The NoSQL Database",
& B/ l- k4 W, V/ L) c. w "Publisher": "Apress",
. N d$ N& y8 X "Author": " Eelco Plugge",4 [5 \- F! k+ V* _: Y: i* s6 D0 T7 t
"Releasedate": "2011.06.09"
' W! u3 V0 e( o. P}$ O/ P: i: q. ]% D1 L$ N! H& D
; c/ w; ^- _. F: w4 }: o 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。
) c: \8 k8 Z/ y0 b% W6 p# r3 P0 ^' S; }) I3 V2 F3 O4 _. z
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 @ n& o5 {2 X. v' i
2 I6 L6 _+ n8 g2 h6 f, n: t 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。. v! V6 }6 \1 ?& {
! |" z5 U. d6 h' s0 C
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。( B5 t, L$ i1 b
a T/ Q' R( ?! g* V: [: R 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”。- w5 u8 W# f$ g& H$ i# G$ J
( v! _/ f! B% B* I' m8 z3 oChunks h" g1 s' x( H
& U4 K1 c. i/ b: F% `8 ]4 U' 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。' i* e: V* T# m8 a
8 T4 u- R. E s0 [2 B3 r; U* o9 L
. M* u" {$ G0 c* K5 Y1 _
图1-2 chunk的三元组
2 S! E& X& Z7 C; }3 |$ T/ U! g! Q2 ]
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。' I6 o1 n& S& @* m# @8 K! H
( ?( h6 y9 h) j4 T% g
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。
" Z2 {4 d: J0 P7 E# ^
- R' k! k. u' e+ y7 F% Z$ L, C* i 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。+ r8 W% |# ]0 P x$ O2 K. [' N
) S8 ]5 W, f( q
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。$ T; z* Z2 t0 ]' K
6 S* @% S# N- X1 {+ [9 N6 g* E
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。
% O0 N* V( c# Z7 X8 D' f" j
& Q8 ?6 L$ c. _( c2 S 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。
* ~; L' n5 x5 F0 ^4 ~2 D
( @3 J7 [9 u0 iReplica set
f$ R9 t6 q: k# C5 N) J( f # N4 T+ L" p% t9 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。* z! v$ l b6 Z" ]! z. h( N6 q
: t; Y# z& M- [% 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。
/ y* d# R: z) W% ^4 `& k
' u6 ?) S$ M% G 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。
$ M2 v" b7 q) i, u' R0 w4 f& s% h% V0 H3 `! Z% j0 x/ c
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。
) X4 G5 ~4 P5 T6 l) K& F
6 G h1 t9 A* a" d. |, R$ D& uConfig Server$ s+ e% A! M- U. Z/ K6 t
' o0 T& p" E! ~- _3 i9 K8 p 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。
$ O" Y2 R2 R) f& I/ C
% K) q* O! m" E 每一个config server都包括了MongoDB中所有chunk的信息。
2 Q( a& o4 H1 D& l* G9 k/ W3 w$ v; m/ K( q
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。' `- N) `2 B$ x& G# d% I7 C9 {
3 q) f \$ p/ e- z7 q
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。- H) G! Z8 M& n
% J5 E3 Q9 r- a! B7 d- Z3 W4 K
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 {) I- y) Y8 K7 N9 Q3 ^ Z6 J& i" @
/ T2 Y" C" I0 \% b0 F
Mongos
. U+ L) X v' s y6 B8 w: U, d8 x
- Y+ N/ r/ I5 c: j2 r+ I 用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。! X8 `5 m0 B/ ^2 z" `3 N" z
* f; Y5 x4 x2 C& B% Z# ?7 U/ {* A
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。% C1 ?. J+ G% r* f' {4 t9 p4 q) A7 p
$ j! j5 X9 I1 C
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。
* O4 p$ H) l/ c' _# j6 v' S9 D7 F$ b3 e- b! 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。, E R* S; h/ ^
8 J8 x: e. S& F. a0 y; h& O5 {7 _# q 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。
3 ~& A; P' T" M8 Y6 m7 F0 U) W" s% r
7 b( A2 |( n3 u4 D
Reference，- b8 a5 H. } c1 k3 f
% J( G; T2 b' p$ p
[0] Architectural Overview' a5 x6 s: B0 u/ L) Q# }5 r
http://www.mongodb.org/display/DOCS/Sharding+Introduction
8 o/ M* q( }& ?7 s+ a |
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。
