|
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。3 ~" x* i( e5 S3 c( k+ P9 {# l
- ^4 M# j' Q( K
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?
5 r% \! Z9 z; B+ v1 T: W1 J, G6 y9 \- P' 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。
3 T* Y; u% h# {: w/ C7 _* x' K0 i4 d
. M9 F5 x, o$ G
* \, k. H8 i5 }. q& d图1-1 MongoDB架构图
: x' Z W. Q3 i. Q6 |! S" r
7 s6 n# t6 x" i 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)。
1 V1 D6 g3 Z0 [2 U/ D5 k" t$ O/ t$ }% G6 T. q
Shards8 d: o6 W6 y: k2 }9 E
; k$ n. V. m. E/ |2 C
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。5 X5 {: N9 ?+ h0 i
& I! B- E* {: h6 h7 v
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)。5 T+ z! O) S& C3 ~+ {$ k3 W9 y$ @+ c
9 g; u) V x$ h+ L2 v9 A) Y) Z: g
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。
0 b- u& ]( t U8 s, y2 z7 W
- p# s+ G& V% U7 p/ S 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。
4 V; q) V0 M- d7 q
& S" S& l2 m( v' {) J6 OShard keys) d0 Y/ x' b7 v' j
' ?0 N1 Z+ P& l( j
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。* O+ s" O9 }, e6 K- B1 {1 n% G# K! Z
7 i& d% u0 O9 @2 n p U 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,/ b; D7 J3 r$ ~; t' o0 e
. w" m* U5 k, M; T
{
" R* O6 O2 d6 k3 {5 B3 ?9 U; o "ISBN": "987-30-3652-5130-82"," t# |7 G$ b- G" S
"Type": "CD",8 T5 ~/ |* l f: E" |/ q
"Author": "Nirvana",- X; X2 g& ~. A. j8 {6 o9 [
"Title": "Nevermind",) K# _9 E9 k. P |, c5 L
"Genre": "Grunge",9 b+ j! S0 l( \) ~* L2 i
"Releasedate": "1991.09.24",
+ v+ @0 f* f: s0 |% `4 U "Tracklist": [8 ]# a$ I; |2 {( k
{
" \& p1 S8 T g "Track" : "1",8 a. ~ ^" i# V- L0 L# B. ^
"Title" : "Smells like teen spirit",
/ C# m1 ]7 h9 d& u/ z! w9 [ "Length" : "5:02"9 ~( x! w& k8 ~6 s) q$ ]" k% c
},
* ]; M( J5 A% l* y, d: n H+ r {. v4 M% Y$ s2 m1 G0 i: M
"Track" : "2",
6 O8 {/ Z! L! S) ]: ^ "Title" : "In Bloom",& I, J/ f7 G& k/ J# p) r
"Length" : "4:15"
( r+ ~3 ~2 P- j( _" k7 {" E+ I }* I) [ G F) e1 `5 y, [
]
# V+ S! |* n' @: x9 k5 `}4 G$ V7 q+ H6 g) D4 O$ K4 Z
( }3 Y/ N! T& w. Q K3 g" q; M$ Z3 T
{. w! v" G$ z' {- ]
"ISBN": "987-1-4302-3051-9",
) R8 J8 l' H% q' s8 k1 s "Type": "Book",2 {2 u- `4 {) O5 w
"Title": "Definite Guide to MongoDB: The NoSQL Database",
) o- d h" L& l8 N% W+ o5 k# I "Publisher": "Apress",5 m4 ~% t" l8 r0 c
"Author": " Eelco Plugge",, T% U, H9 v0 c8 E
"Releasedate": "2011.06.09"
2 t* t) y5 B$ `" B( n9 F+ m4 J}
# t0 P, {( ~8 [6 v. G
4 P3 Q( ]) n) G/ Q+ x# I 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 ~) n( C* ]4 q, b8 P8 B2 t: u7 }8 x& T+ W/ n( a6 x
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。% q0 c! C+ g# J) J. y1 y6 h% S/ o4 V
& [1 Z6 j! W; s/ c1 \ 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。
$ e" X2 y4 l3 K5 P
$ k, B" k/ j9 D; k* R8 I$ z- 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。
1 i' v# c* D. F( T: X+ [/ y0 S% ?, X1 ?$ \" G* U4 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 n2 |$ v2 O6 N3 Y. P. Y# D6 z" a; O
Chunks
. R+ s( I8 q3 @4 ~, v
$ A, i: K5 O! |) {9 c3 |' A* u 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。
0 B M% a, G L. `& c% l4 W: e" ^, x( E1 T* f8 h
3 [6 Q. m- w2 L7 o+ O图1-2 chunk的三元组
9 T# N+ }) V; ]6 z9 U5 q0 x5 k9 w5 K6 w5 s! [% u4 e
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。
1 ~/ F" g: k ?4 V' _& l7 h) A* \# p5 k% W9 a2 ?7 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。
) A$ a* h+ x8 ^& `; A6 ]* y
3 L2 b& ^3 t# }- \& T6 W; x 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 K; L& b0 P1 c# x. h3 R% o
2 c5 g3 m' r, n( r2 ]& { 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。
" T9 ~( I9 y. ]% f0 t5 t% c, `7 T D4 ]5 P8 H9 l/ x0 n* Q
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。: v( e. r$ E$ Q3 A2 ^0 Y
( `6 w" c8 z4 i9 K 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。' n1 b5 S$ E9 t$ W# M8 }" C
, ]* n1 ]3 Y c+ ]Replica set+ d6 `8 v+ I/ D: U9 D& ]: q# \! i
6 T( I" W( S* Q( [: x3 W0 E 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。
# u9 g0 b. O- [* ~2 [9 B1 D* |, ^5 Q4 _( S1 h/ U9 s
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。* A' _" A6 a/ o- |8 n3 o
& ^' P3 d' |5 K. e- l( ?
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 o+ D' x% \8 i0 c. \3 l+ [( i" e( X# W Q2 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。9 H/ n+ q. E; ?! T
9 j) e: }; z) P+ D
Config Server5 ?* o ?1 p( v! c
$ d$ f; g, a$ u- u
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。
( N9 \" y; t Q! y3 }6 Q: P- I# b$ T; O
& Z' Z( Q$ b% \- d7 y 每一个config server都包括了MongoDB中所有chunk的信息。
$ F) @- ~& c" r+ i% @9 P) q3 R3 _9 ]; Z0 {7 o! _
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。; p% p% N+ [& O4 _0 i0 P, r
8 ~- j X8 k2 d* a7 c- F6 O; j/ P3 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。
+ J# a% J$ M# b2 t6 Z5 _8 ` \% j6 B! i- A% 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。$ }8 C9 b6 @# F2 q: M0 P% K3 x' V
8 L+ T8 \5 o& o) M' b3 G, g
Mongos3 c: G: ?8 e% F+ t
4 o/ S& @7 f A2 G( N2 K9 l 用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。
5 y$ i7 q6 |! t0 k
5 K# z' H& I6 n( x/ G4 ` 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。# j R$ u$ N+ O* X! ?. L6 I
6 N; A0 [( y$ Z8 D1 x. f/ S) V, r/ Y/ 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。
" U* c6 I# N0 M$ i3 v9 [/ {
" N- N5 Z/ |0 q3 H+ i7 ?7 V" j 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。
4 V% c9 F' T9 N, a/ o
! r0 p8 a5 n# f% ^% T 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。
( D. T; c) X2 g
R2 U L7 A: b4 U6 e9 ~: K% _( T8 ?! ^# `0 i" l
Reference,
8 j: V& }6 P% o2 E* C; o& {# x+ C, s! ?' T
[0] Architectural Overview
& l1 ^; `4 ^( n1 hhttp://www.mongodb.org/display/DOCS/Sharding+Introduction
: d0 q2 E- W0 w( F. S |
评分
-
查看全部评分
|