|
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 y* A. }% `3 Z$ [) i \! c
! a) B2 n7 q& Y
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?
% \1 A- O; P7 x! {
" V5 Q# o4 q# d9 | 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。0 j8 {! Q+ ?8 T9 n- T
' i0 t. J3 m6 h2 E
n E1 H2 H4 i* m( r; G5 r5 M1 a1 W7 H x1 a/ ^9 l' u% p
图1-1 MongoDB架构图 % X4 s4 M: L3 G$ ?
/ v! }* R& ^( z) T1 y+ M2 @
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)。
' z9 }+ D6 M% |+ `* j" _
/ l0 x/ u# U/ ^$ gShards( F5 N D; S8 A( @( m, y
: ]! d7 A I0 {- s
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。3 X3 x: m: ?. U$ @
% Y6 J7 n1 {0 L/ ]+ C 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)。, N @5 _/ ]: n! Z/ I$ s
( k6 y6 q+ m% @) O/ ?6 u4 n1 X 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。
) n. {# ?1 y& y; ?" L) H M
; Q% s& X9 s$ R: q 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。( t. p! f4 `' H8 ?; |1 e" R! `
/ r# Z; H+ M' }( J% a
Shard keys
& I; V/ o+ a9 \( N* V) j% j
( U+ y/ w5 L- @: t S3 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。
' g8 v# l- A+ [8 v6 V5 x7 A' D6 ~( |* b0 u/ s, k$ x
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,, X* `. c1 B3 r+ h3 ?9 f" U7 f
/ `/ i5 m, `' E
{
5 P' I1 `* _* i( F2 F "ISBN": "987-30-3652-5130-82",( r" B( Q' y. V. X. S d
"Type": "CD",
9 I& |" z' q' Z "Author": "Nirvana",) `. f- x# W: C; f) a8 n# d
"Title": "Nevermind",
6 L! f8 V2 n J K' S3 _7 h: w; _ "Genre": "Grunge",0 r6 U1 ~& S: q; N- s
"Releasedate": "1991.09.24",+ h) D- R, A% @6 u8 U) \
"Tracklist": [! s8 o& S, O0 {5 S( r8 B1 I" M5 d" m; e0 u
{9 O& s8 N* ~# R( S" i) W
"Track" : "1",
2 J; l5 I# ]9 Y0 z "Title" : "Smells like teen spirit", U$ C* J ]2 q0 n- l6 j9 ]
"Length" : "5:02"0 |9 I O/ W5 o# ^* A+ J
},, D/ d$ q" ~0 `/ q6 ?
{! R8 J2 T# t- Q8 X3 M& Z- }4 e$ b, G
"Track" : "2",8 }0 Y8 |* _' ?+ i/ g; ^4 G
"Title" : "In Bloom",
3 `& H) m$ x; ~) p "Length" : "4:15"( d( R+ n! Q1 O4 |6 u
}* o( f7 m! Y7 k! k1 B$ d
]
" f6 a3 O& p; `+ Z0 D5 ]( N}+ {3 H: R( p: t8 i4 D+ S1 M; Q3 c4 v) F
) F1 b! w2 b/ \# ~9 [! m( t{* \! a* \+ K2 ~1 E# l* i( Z. _
"ISBN": "987-1-4302-3051-9",8 R5 Y# x' R7 i, `# u. \9 u5 }
"Type": "Book",
) H& p; \0 D1 ]& C) Q "Title": "Definite Guide to MongoDB: The NoSQL Database",
4 }4 Q7 @( ?! i" \ "Publisher": "Apress",0 G: L3 [) r+ k" I! G% j" h* X
"Author": " Eelco Plugge",1 Z7 z3 j1 c/ o" F! B. c+ U. x
"Releasedate": "2011.06.09"
+ B8 c- X0 q+ b2 l6 d1 q}
- P% ?2 O4 A& J& g0 Z
3 N7 a9 a0 k, k1 O, \. U! A 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。. z' |& U9 C5 `( W) t% _
) d/ v- [, C- 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。" q4 S7 b8 W8 j0 V1 F8 U( F
1 K6 s7 s# a w$ V 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。1 V' C- k* @6 m3 \* `
6 B# o; E# J0 n+ |- V+ @ 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。
2 M5 s6 R' i( L3 t+ I1 F/ c
$ g! h6 Z: b0 B1 x7 o4 I n3 g4 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”。
0 [! U2 |" R. r: k) ^& R) y% ?, y7 |3 ] N
Chunks' p$ P1 k& I! {3 m* ^* E# F% ^+ Q
' z: k/ Y) p5 F& a3 p& 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。
% Z) x1 u" w2 E8 ?1 ^* k9 Y8 R& R. b5 C3 {, T% U* Y# ~
! F* j3 N; O* x& W图1-2 chunk的三元组
- h$ Q( W3 i' H: c; k. U* l) N+ Z0 |( y6 B$ V0 _! q. 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。
( M+ s' g( t. A1 i) {% s3 _5 ^4 p, i: {4 p
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。5 t7 D; l2 v& M) v
6 i* _4 K( D6 O7 {
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。) d* U$ N" G6 h; Q
; G% ^6 c5 r" y1 |$ U4 R 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。$ b7 g9 @# w: d& y8 F9 I/ _9 r
0 D$ c, }) Q) w2 T! p1 m: ~0 w
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。' o2 q" q- | Z& W% k2 N
$ e" _7 M8 X* o, K9 p D3 T 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# D! Z4 f4 e" Z% }* C
3 W3 O6 U) z4 S" z4 x. F0 T
Replica set7 B9 @* w) c5 z4 b# Z* t
& g! r' d6 _; d! P2 U; U 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 P$ B: G0 J* V. w% x
3 e& F3 u1 w- l2 V( Y) _/ O) Z4 r 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。 {$ X6 ^# f: q: ^- }
. {& f6 i$ W4 o( p' d: m+ V$ h
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。/ @# Y6 `7 M, m7 [$ H0 [9 j& y1 i
, r) ^1 C! Z7 y3 X! j9 s; B
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。
4 [5 Q% e9 n8 H j" L6 I+ N! o+ }" r1 v
Config Server
- A. v9 B" o" L* o7 L+ Z* R5 `
4 w6 E$ z M- c$ j8 h2 i8 c9 d 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。
: T: G) x' y% R8 h% t0 y/ x
6 n7 k. I* R: l; g, J 每一个config server都包括了MongoDB中所有chunk的信息。
7 d+ Z' O# J0 p& f% A$ M
& A" p+ L o: i1 X4 q/ Q5 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。
& m/ m1 ]' _# H s
) m8 w" s5 m. @0 L( p- v) p 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。
. Z+ z7 C* h" G/ U/ Z. [/ x8 Z1 B. A9 C8 B) S2 J7 c
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。
" h r$ g9 E: r! q
5 L% [% P; Z4 u3 O6 u% yMongos$ @: K, N) K0 P- X g" F
4 r5 p6 m+ v* i. Q
用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。; @* O* \/ O$ S) S& X1 x, {0 T
H P' Y- ], b, `; U( P9 K! 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。0 Q+ i2 K2 V. j# A" Z. k
5 _: d/ L1 U+ u
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。# r$ M& I3 t3 o. |2 A3 u8 T1 c
: S5 Q8 J6 a) Q. Z5 n% u. ~+ l 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。& A4 C7 s2 A# t: Y2 a+ i
3 M$ R: p! v7 W4 ^. @ 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。
- B1 Y, E! Y2 N# n; o [, \2 P0 r, i
, s5 m, w" g& ?9 U' K7 c- NReference,! H3 S l2 G6 Q* u5 q( \
6 U$ V# W+ a5 d$ {% J
[0] Architectural Overview
) j2 P' T+ b. i& L# Ehttp://www.mongodb.org/display/DOCS/Sharding+Introduction7 _- j+ r& R- d. _4 k3 \! z" v
|
评分
-
查看全部评分
|