|
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。# B5 C$ o3 l ?: y4 h) o
* u3 C! [9 K6 w0 [( t/ J
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?
/ L) w a7 H; x9 S6 Z" k
7 y$ A# U, O% T8 G( w- w; a$ b 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。
' _9 @0 |) L. n5 i* E7 T o: t* x0 ~$ W* d4 z( ]5 P5 N1 l
# J6 X; H+ T1 Z% |. e" y- B" }
0 b! {' T8 ~' ~( B8 l
图1-1 MongoDB架构图
4 {0 X9 L( M8 X, V( l! Y
" L. U+ s# K F9 U( C# v* |5 }3 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)。* V& p% C, [ H" i. C; y' N: o8 y
& H9 |$ K+ p8 F/ }3 ^Shards0 l4 C6 D; x+ }
- j. V+ ?: H7 U; E! L 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。
! V: [2 C" M, E. B& v7 W1 Q) G/ ?8 m6 Q) w
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)。( Y7 n; z! z- W1 y4 J- r* a* a
# G/ p( I, m; z u1 h 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。
) C9 }9 Q, [2 `* ?4 x
, t% _; ]/ v/ `* N! `6 x1 P1 \ 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。9 x& h- P J5 k3 `. ^; y' }8 H* x0 p
+ w8 C) f7 u+ P$ K+ A
Shard keys
+ ]2 H( M' o+ l; G) v9 X" `
+ R! p) W8 g; r 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。$ R& Z g a5 L8 j$ N D! b( v
3 ~: C# d1 y8 Q" C% ]( e
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,
; g/ M6 }3 j& z- B7 S0 L2 }+ A0 f+ a2 w- q' @$ e3 W
{
# x2 U6 s" b3 u( e* W "ISBN": "987-30-3652-5130-82",
0 B1 v& S+ i t) o" F "Type": "CD",
X3 y! o3 X- S& Z' H) w+ y: P "Author": "Nirvana",
8 c. w8 i% N% B' V5 [ "Title": "Nevermind",
5 d% u3 ]) |- I( S1 o3 R9 p! q. a "Genre": "Grunge",
1 ~0 ?& _9 O, J( g! U "Releasedate": "1991.09.24",( T- e3 q S A
"Tracklist": [6 s# E% V3 i/ e
{
, j: U$ O) ~; [( d' F$ Q, j+ ? "Track" : "1",
+ C5 e) u( M$ t g "Title" : "Smells like teen spirit",
8 y1 Q0 M. L. b8 u6 ]: S "Length" : "5:02"+ n& G' X+ d8 ?- J4 ~
},
* k8 Q$ S: a6 n* A0 Q2 T, Q; y* [ {# F q7 i! H7 _% w t s
"Track" : "2",2 N& v4 _+ L/ N4 ^/ W
"Title" : "In Bloom",
/ R# d" V$ o4 F9 @* n "Length" : "4:15"
' y, j0 r, c0 N6 j }
$ m/ ~& \% u, L; O5 @ ]+ N1 P& R$ K0 Y3 E3 ?/ {0 U
} ?0 ?+ V; z* q- Y+ C# I( P
( n% U9 m7 F5 {% E E8 |
{
/ b2 b3 u9 I, F g. v5 s& u "ISBN": "987-1-4302-3051-9",$ Y: z. k0 ^5 i/ d6 _
"Type": "Book",
# c) ]8 t) G( b7 P+ |7 i* T/ z- R "Title": "Definite Guide to MongoDB: The NoSQL Database",' F0 f K: q% i
"Publisher": "Apress",2 `+ A( ?- N# ?- K
"Author": " Eelco Plugge",0 v+ O- ]2 k" J- X }' d. {) c
"Releasedate": "2011.06.09"
/ }5 x! |8 I, ^. ~: S- J" L/ S} r# E1 m4 c5 ?+ G: D
8 \; R1 u+ C" a# K( P8 `
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。8 r, R1 X5 Z1 V* e- `( g( r
; @2 ]7 d5 ]0 t* r8 j9 s8 }
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。! \0 K/ {9 p& d! P6 T" g
3 J, e5 m# d5 |- v& O0 r
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。
5 m4 ~. ?3 W8 \+ V9 L
/ P7 o% k9 s0 h1 n8 n' G6 U8 j1 F 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。6 B- C2 g" t+ m
* K# i5 b3 U0 H( m; w$ `7 o, 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”。
7 ?1 i8 {5 Q" q2 x& P
. W' g' Y4 ^+ y( i! W# XChunks5 Y5 ^' i4 c! P8 l3 p* s4 Z6 W
0 w$ i2 }* v' n$ L- V4 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。
7 v2 I/ u1 Y0 W- A9 W! m
( P2 r' ~, g6 V; K
! c c) G- }6 K. @. n图1-2 chunk的三元组 0 t9 j; o- _8 V3 R7 f
, h# P" |7 q" z6 ^
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。
, s' o5 F) V' x0 A4 T; I4 g/ m0 ]8 i) _5 a& x
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。1 [, q! R( {! E! N; y7 B
% `& L0 z( J A& I( Q$ e$ `6 U
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。$ c8 Q3 ? E6 s
3 B8 }: X) G2 I' t7 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。. o& ~8 w9 y5 u+ v
# O& x( }% g) e! b8 x# F6 m
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。
: {3 W6 b) s9 i* M" K4 ~; y5 t# o5 k& V) j* B
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。5 B# @- h" P6 H0 p# b) w
2 q* g4 S% q0 \3 i8 ]Replica set
2 R$ O# ]7 q* g7 f/ w8 V
5 I% ~* q' }' A 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。$ f5 P% U8 J0 e$ n
" _2 [: `* h) Q) X2 c
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。' B. |9 m* N! K8 W& |2 Z; ^ `
$ A. o, G( Y0 U1 u4 e6 {/ D, a
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。
- p% N. `% }4 @; | y2 v. N6 i3 `4 K! e7 q, 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。* h" N1 G0 {! x0 H1 a
4 Q$ e* s3 f8 |) T
Config Server
' x- t' t- g% f3 I5 q' S z 3 @; N" 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。
$ G) x/ E) e, i
+ p* U1 e& A6 j 每一个config server都包括了MongoDB中所有chunk的信息。
\( m- m3 P: x5 M+ x1 q, ?0 W8 I: L4 R& [& a
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。2 q( [* {% x% i, R+ g
$ h8 P) x2 D6 ]7 U1 ]) b: e
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。5 ^! E" h! w A" N# v0 e, K
P3 ?0 H$ O! o3 H3 T4 h6 D
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。3 Q3 B) V/ S ^' A: a( h
% j5 H7 g _+ d" V; `- d1 i6 g
Mongos
1 E$ a8 V4 X1 R- A, M1 O. O P- }; r! p; n: R+ E
用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。% Y* Y( L2 T" Z; `( L
* c/ A. i! |, ?$ X# w! n1 v
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。
: }& B v8 q& l1 ~, b3 ~! K5 ?$ }1 P9 S: z% {( Q' ?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。& n4 k0 e- w) t% k
M# M2 f/ T8 O9 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。
+ }* A% Q" c0 `
2 N% Y3 |. W% i0 E* j; C. n' D 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。
7 X) }% n+ n( A& s) L
% o. S& b8 Z F; w7 W; U& w7 C
: ?& |5 J/ T z: kReference,6 i* o" o+ V& i
5 t7 V' t% n' ~ l) o" ]4 _2 t[0] Architectural Overview$ t0 i9 k* N! q1 M, B! p
http://www.mongodb.org/display/DOCS/Sharding+Introduction
" W0 I$ ~3 i( S& x8 n4 ]' a! V |
评分
-
查看全部评分
|