|
|
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。! Q; l0 n! v8 n6 C7 X
% a2 H0 Z" y, f
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？
! B# s4 [3 ~( g4 f
) F- P& @# z$ Q& S3 b( ~' G+ s5 } 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。
1 r7 ?- B6 G+ O7 ]& K N8 R6 G: }9 C* {) K! {
X' \( }) H6 H( Y& O/ x
5 [0 O" S8 r+ A2 p5 v9 [5 |2 k图1-1 MongoDB架构图
8 U' e5 l- ]; [1 m7 \
) p$ Z- p. J" S: J) p! P 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）。+ H4 \5 f# p5 D+ u- N) k
; ?0 D9 y E0 M% k) @Shards! M6 S$ `' m4 ?& a6 L
3 ?' p2 a4 G+ 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。5 M6 ?7 J7 V+ z( m# q! O
* }. x M4 y* [% t, Y. R, a
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）。
1 E; Y8 {# M/ e; ]- F0 \$ S
$ r3 A. q# L) 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。" ]2 [0 `5 r4 M- n' t+ r, R
* w P3 h$ H) r& i/ l
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。
! I( k, s* x' G6 T( \7 {. a# T0 V) o) p! _# T d* w
Shard keys
8 I8 }8 K- ?1 ] ( L: F/ `% M/ F' \
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。
5 a/ ]# F, D0 x8 }; ^
& c' s# w! {; M0 a% |8 f/ k' I 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，. N" a! @: k; B2 Q& ?/ Y9 w- m
. F$ p1 [ w( q, I{0 R7 Y6 E @0 A4 y! a! s
"ISBN": "987-30-3652-5130-82",
* |5 G C6 a, i5 R }0 t: ~ "Type": "CD",
* f8 t4 [6 ^/ R* m% U* N& \0 B7 K0 a: F "Author": "Nirvana",
" w9 w& W$ T% d) m! i "Title": "Nevermind",
( e0 U& R" X% h5 w0 x3 _7 @ "Genre": "Grunge",& y. ]; e/ ]/ O7 D8 Q
"Releasedate": "1991.09.24",
5 G0 H$ G2 H8 J+ O "Tracklist": [
8 ~4 x- m4 Q/ B7 G+ ?2 ?4 F* d {
/ [! v/ A7 _$ d: c# o6 B- u "Track" : "1",& j s t# `; O/ H
"Title" : "Smells like teen spirit",
* I. d# m6 P$ ^( s# U5 D/ f# v7 G "Length" : "5:02"3 w- A- B0 z3 v8 h8 f0 e! X
},3 `6 ?$ V1 u8 [( P; R( t: Q
{
) [ S" S1 I$ P0 k* A "Track" : "2",. {. D- t1 u/ G$ Y* {
"Title" : "In Bloom",
7 e" R* Y7 R: C: c9 S4 T "Length" : "4:15"
9 b+ I+ b. F9 Z; v0 ]0 e }2 b+ k0 \4 V* y5 C5 l/ H
]
5 Q; t1 o B" x9 R3 y}
) |" H& C, l2 h, m* O! |' L% a$ a) w$ H
{
- M5 y; F' v! n; Q& ^0 B8 v& a "ISBN": "987-1-4302-3051-9",2 w5 y- ?3 n8 g: A
"Type": "Book",
" G" w. o7 Y! V A1 v. Q, D "Title": "Definite Guide to MongoDB: The NoSQL Database",
- h8 ] d( P1 ? C. N "Publisher": "Apress",
" C; q; k# ]+ Q8 G& h "Author": " Eelco Plugge",% m; ~2 V" b. F/ R* Z, y: o
"Releasedate": "2011.06.09"3 D, V9 D$ i( r) E: l
}; D5 g% H1 M) z) N+ O
: U! P$ p; C' ]3 ~
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。
+ y- @0 P8 f2 d
. ~9 A6 ?* A( J9 s0 I 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。
! c" N6 w. m2 v* J. p8 f4 T! f3 Y4 @" w3 n5 n
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。7 A0 H Q# u! c. X
# v3 h9 f* a# {4 l 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。
) k' G. S z* Y t6 |. K2 p+ g9 V- v* |* @: }& Z7 K
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”。# ~' u }& q$ _; |4 w" l7 h
/ O* c" i: [1 E- }/ [
Chunks
/ v) b2 J2 P' {+ `
" o& o4 Y0 ]2 g8 [ 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。' e* G, d" k, t6 f9 {5 Z
* G" M: Q* R' ?5 U1 T) D0 r
& H1 g D$ o: n. X& ]7 Y( Y3 _3 r
图1-2 chunk的三元组
- B# X1 t- Y- u- D! ^* {
8 E0 K% a" j) E- e2 U9 \ 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。
3 f, { ?5 t; l: s- Z. O, Q3 ]6 T8 u2 e# z6 X" n0 r6 m4 \
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 A4 }' z. q/ {* L: b2 N- T, @; ?: w3 j9 d
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 {9 ^- r: R8 R D; ]+ g5 A6 w+ {/ o" k
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。
! a2 G# f1 n& i- ]2 j/ o
( t6 Z6 u; c" e1 B/ X 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。0 R3 w/ W1 J5 l1 \
- h1 [- o4 G, Z; Y5 c, U, N+ L 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! w- b, k# z U
, q# i; k+ N5 j8 C' b: h; J6 A
Replica set8 u W0 m0 l( y3 k6 R* c
4 J- G4 z0 _2 J7 ^# M 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。 |' w8 ?! b& Z8 G/ M! n( e
( P* B( F5 S0 J
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。5 `0 J: F; G' r& C
; g0 M. Y2 A& J `3 v 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。
! q; Y, P, x p5 ?! ?. ^2 _4 ^% v' b s* \* x
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。
" i v$ z" O* f$ V
3 y7 ?/ L5 t9 M/ v' OConfig Server& W/ F1 \1 `5 c( w' W
' x9 M5 _! F6 P1 c
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。5 c4 T5 }6 h% b/ G4 ^4 O
" a% ^' W `( g1 x; K
每一个config server都包括了MongoDB中所有chunk的信息。+ R1 G7 o7 o+ T' P* s4 L; x4 K
9 e2 B8 G, ~# ?9 E( ^$ \" \; d
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。& I# R7 q6 ? p! C. u
, G3 {9 b1 `4 m% G 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。
- C3 V3 r9 ~/ N
6 b/ h* s# {5 h 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 S, y2 t; K) I! V
0 ^+ x }+ {/ R' e$ sMongos# f1 c) x% P) j
; X Q) ^- c6 ~1 v) D
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
* Q6 @+ \2 y u, o; s& M- L6 A4 {# |8 e E) h
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。* s+ ^" ^2 S! ~5 G. j6 i. A, \
$ \7 j) Y4 H* ?) y9 ^' d
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。- W% L7 U: q6 f. j4 L! B
& n# z3 D( M( `% r$ t' N
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。2 s2 X8 |2 c J( _& Q5 b4 k6 |' L
" \: ]# h0 ]+ K( D2 E# O 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。
) I: C% @9 {( S5 C5 d/ ^3 G- }: f0 p: K, C3 e0 k5 ]
. m+ `" O- T+ A# j( f* P% S3 u
Reference，% h: p; S& {# g
5 |) Z9 I' V2 ~[0] Architectural Overview
+ A- g! G# f6 \. Ehttp://www.mongodb.org/display/DOCS/Sharding+Introduction0 ]8 y }, ~6 D
|
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。
6 w1 n: [; T! a9 r9 Z