|
|
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。+ O5 P+ x' P/ a" R& F8 {
6 S: J0 ?) O- u# l0 ~% N6 c8 _
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( N! z1 J) m' O0 ~' K
2 ^1 X% Q0 W6 h" F# L* q 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。
* H1 Z i8 Q. a& z5 ` w Q, Y" V8 u& j4 ~) z* h- m5 e( r5 I
. b, h4 t" i: e- a7 n# K; n+ a' ~* o
1 N2 A8 [6 K5 a1 Q9 f图1-1 MongoDB架构图
9 U( B$ N. W d& a5 x
9 T6 {7 O( h1 s2 H1 H 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）。
9 Y& d# y, H0 @% \& v, ]2 V
- [. r7 _* j: M0 x! b. h4 z4 DShards4 z. K: @6 F& Z5 d- U
0 r/ G/ f( _' ~# }
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- @3 {! _* i. c7 x) _; a* I$ a1 f3 j! L
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）。
7 T3 I. n; z) i! |( }0 } t6 o# I0 K- 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。
5 I; H' A! q2 X' n6 D) D9 M0 Y$ w. p) u) U0 H& o8 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。
; A+ C, i6 U. u! w
) s$ ~% k! O3 pShard keys
8 F0 v; G4 Y; J8 M" L$ H9 q
. \1 E! p9 w- \7 \+ t, h2 g 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。
% C. L* F+ Z8 M! t
e4 U( v" x) H: w 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，
C+ g- s- P; U! M! R) ]+ V
* z& V! i2 ]0 Y1 l2 f* O$ x{; a ^ E$ y* q' T
"ISBN": "987-30-3652-5130-82",# } j, a$ x, @0 i$ Q1 U
"Type": "CD",$ ^1 i+ g+ F8 b" ~5 C4 M
"Author": "Nirvana",
9 K; {0 t; [9 }" h1 O$ d9 v2 n, U "Title": "Nevermind",
7 E' j8 d7 F" V% ^9 {5 g) r "Genre": "Grunge",2 v* s& ]; F8 ?1 U1 ]: z
"Releasedate": "1991.09.24",
% X" O; u) J2 P% I "Tracklist": [
- }' Q+ F, I' b7 b9 l" Y {
Y$ u6 P! S. B" ]! z2 | "Track" : "1",) H' q+ I+ f+ x8 s: c* f( x
"Title" : "Smells like teen spirit",
7 a1 _ Q# d# x0 D- z: \ "Length" : "5:02"- }+ x: V ]' D2 o% _
},7 o& C" X0 a) m8 Y! r6 n
{4 j4 i2 c' l, V
"Track" : "2",. e( z3 H, ^$ A3 }, v4 j |
"Title" : "In Bloom",
# r; s y1 l2 O: { "Length" : "4:15"% P. S( H/ N, j
} X) M" |# r2 X0 K' I
]
8 n2 R4 `: \/ `9 ~}
F3 Q$ _$ O/ Y( q2 f. |, u; o! Y2 D) m6 d1 Z& Q
{9 U6 T# Q$ u C% a5 p4 v! @* R
"ISBN": "987-1-4302-3051-9",, @9 U+ D1 l/ z* f
"Type": "Book",; s8 V5 s# F; O) E/ n7 M
"Title": "Definite Guide to MongoDB: The NoSQL Database",
( j) O8 M" a; K/ C" G9 J% @ "Publisher": "Apress",
# E0 p" T" T) C8 R# z! e7 O "Author": " Eelco Plugge",
0 b8 n/ H- S; W3 E0 G/ B/ K "Releasedate": "2011.06.09"/ p! B: G( }" B- K
}
) e S: i/ K8 ]5 B
' G% c/ w C" x9 c2 o5 h 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% [, _) o( I5 N B2 |# @7 M, @" R+ E0 _ C y
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。+ U0 t, l. V( x& Z
, L/ i) a' ]- j& r2 e 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。# y$ {& q# [9 o- I3 ^, ^5 N
' C3 A! f' b/ Q: b3 a/ {6 p9 G
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。
S9 A! V( u) q3 E, |
, p1 _0 a- P* w- I# 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”。
, H. g+ e* _6 M+ u. }; K' A4 V7 ?2 o9 ]0 w: }
Chunks; }6 `5 Q q( z2 J7 M: c
- l: h4 a( ?# s8 z7 R \) i 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。
" t; K0 ~8 R. n$ A* E$ ?5 k
& G& n7 c V. U3 Z# J F: C4 Z
* G. B/ d8 V' z. O2 q
图1-2 chunk的三元组
" [, A: l, v8 [& g; m( Y2 H$ Y+ w
( A0 b9 D1 ?$ O; I 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。
/ J9 I! _* D6 |: e0 S6 g& E9 ~& a
! E2 M1 K. p, O" W 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。
0 @. Q! Y% x3 Y9 k" G, ^: v
/ W7 R# B C+ r* o1 X# 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。
3 ?% v$ M# b/ H* [$ b- K! ? b$ c# ?& l2 C4 y
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。
; P: C! v3 [1 S# [' L
3 o- R- g2 a) S) J" R1 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。0 a2 z# u6 C& J; @% H) D. I
! d4 y" ~8 I6 }$ U& 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。
0 `! K6 Q0 w4 }9 K! [3 Y
! ?: X" X3 T5 g- B0 ]Replica set
2 g/ \; K$ w' [9 j7 p7 ] 8 c2 Y2 }# \1 A* u( s' }6 f
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。
, J% S2 o( y' J% ~! M
1 T! D- Z% Q* \5 z* v* N 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。+ p5 P/ h2 r2 U+ R1 x" l
! l. {/ C6 M( R9 r: B* w
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。9 G5 Y. J& v- M) q# x
. C4 a, c! o) C5 C. ]7 i 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。
0 v. E+ M5 K1 C$ V- _% X' ?# L0 L0 H4 `
Config Server
% P7 }$ f' K5 o2 f/ u$ o& G4 f * I) a0 `" F) j& s+ d4 B+ T
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。7 m0 a+ e, |( I S; Z+ `) \& G& w1 e
, V; O5 W7 h1 X 每一个config server都包括了MongoDB中所有chunk的信息。
/ m% O' D5 |% g2 a1 o# Y0 d* N
J" N, ~ R9 |, 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。
' T K- }+ n! [: v3 L) Y) Z( l% \" s+ K) L6 a' a
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。4 i' ?, Y1 |4 k) V- i" i
3 s! j; ~; A& ?: J2 g$ K& I" z$ R# U
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。
& J, |9 z, @2 \% W* `8 I8 l9 y, I( v4 F8 o
Mongos0 \7 Y# ^5 _7 i- C
9 E6 {/ e, Z ^0 u M* q$ w d5 h
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
! ?" T$ h! w) d7 R: O$ M r" ^" H0 S2 g; m) b
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。
* `# e/ `/ g G9 X( J, ]( d0 r( ^7 {0 i
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。
$ x4 H+ \4 K4 P1 [/ W! j+ d8 O
" m4 l/ Y1 E, r1 v# ^! 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。( f2 W7 L* _! f8 | |
8 e- [: m: F: I7 v. e7 b2 x
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。
& {5 K+ G9 k& ?, r- Z+ ~' |
: v8 e% N- L* K& V0 ~( ^* t" B* e3 n' [; d( j
Reference，
9 W( M5 Y4 w9 t" s. U, M) ?; ~ G T, B+ R( g/ \! Y
[0] Architectural Overview: J8 X9 _; c& ~+ R, @
http://www.mongodb.org/display/DOCS/Sharding+Introduction9 }1 L, {" F) H& v: a, V% _- T
|
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。
