|
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。
6 `1 m" t5 F$ T* ]8 {6 `* r8 P( i$ ~0 R0 K+ V8 [8 P! k; c
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?
% Q! {4 v/ m. f2 G
, B* L# o5 q& h6 G0 W 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。
$ Z) g4 {/ G ]) g6 `
% p: I$ ~" I( E( j4 k
; e$ r7 k2 C6 @- [/ o& j q/ t: }5 ^
& u$ R9 f+ _( T( M
图1-1 MongoDB架构图 4 _* V5 a: W% f% `4 v/ C
' H( F1 y% y7 J& f 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)。
. q0 c- s5 S0 R, t1 F+ P2 i* L" {8 u1 u$ F9 e# ^
Shards
- U6 e0 M. q& Q; p% ~6 X! C U( v+ y
& @4 _& I. ~ \* t 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。
4 v- Q- e" g0 ]% h$ x0 K6 p! V) e7 ~& s2 y9 {1 z
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)。, q7 |# w) b" _) G, i% P, U
0 N7 n1 ?- ]0 A% \ f
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。
( f& r; p/ }1 |; s: B- F
. C+ S' ?5 K( i 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$ }+ F2 a, E6 y: L$ ?0 o! i# M! Z- w7 x4 ?+ o, {. I- E/ r
Shard keys
+ S) G* A0 A0 Z/ G* i5 ~6 C- X# ~ / H( C' ~1 T Q: u( 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。
& g' D# l- k$ Z8 g: ?0 P) S8 c" k2 Q. f3 y% ?3 f! B) s
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,
& f$ B6 S% ?6 S! G9 W
/ q% G# r/ P8 B; x$ T2 P- V) r{4 Z |: e* e! H2 B
"ISBN": "987-30-3652-5130-82",) ], x) a+ J6 O3 F( M& K- s
"Type": "CD",
# c- Y3 Z( V4 c "Author": "Nirvana",
1 G# }8 l, `) J* ~ "Title": "Nevermind",
* D- @/ u' r* v# W* p3 g: l' B "Genre": "Grunge",
4 Q% A% \) c% N& x/ H) X5 w3 F "Releasedate": "1991.09.24",
4 m+ o1 W! D0 m! q5 w4 {9 c; { "Tracklist": [
# s2 V' M# U) _. m) V {
8 v6 G+ |; r7 t4 D M+ k "Track" : "1",2 d, \8 C+ S, ?9 G
"Title" : "Smells like teen spirit",$ X$ C/ x4 S/ `( o5 O0 L8 _
"Length" : "5:02"- z/ Q$ H( E: u$ {8 v" X
},3 x' X* B' j% s5 e
{ A$ M. P4 W! r4 `8 s; n
"Track" : "2",# m1 O7 R8 L+ S! w( P+ ^
"Title" : "In Bloom",
% _6 \6 A& k# L* Z! v4 ` "Length" : "4:15"- \1 A* t0 y5 V- G( M
}+ _& m4 {% B3 x$ W0 P, w
]1 @2 x: r, h* _4 J
}9 Z" D* A1 D% q8 K% W+ i
8 m6 U/ h( J& C9 u& C
{, x# c! P5 z5 ^4 A
"ISBN": "987-1-4302-3051-9",: Y5 d5 [+ r' f4 v
"Type": "Book",4 ^' O8 D* z2 L- |7 a' p6 U* M
"Title": "Definite Guide to MongoDB: The NoSQL Database",
6 Z$ Y) x$ z0 E2 \) i) ~6 A) D "Publisher": "Apress",
. a8 U9 x! p5 i5 P. J "Author": " Eelco Plugge",, P6 g# @, t1 p; s
"Releasedate": "2011.06.09"2 e- d* j. ^ ^0 ~- v
}3 |7 B& F' s/ i4 ?9 U. E
& k" z) o5 ^1 C" a) L, g: B
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+ s/ Z& X( S/ `4 a: c" y
! ]3 R1 ]8 K" t* m 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。* f6 L! v, j7 }% u" l: ]7 Q
y# }' ~- a7 _% v. a' h8 G( T 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 w; M) n# j# N# l
; N8 K! h2 }- N& x8 A$ [
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。5 M- h/ S+ x6 \( x+ c
2 [ `' Q3 g: z8 w# ]% w7 V
延续前例,假如有很多作者同名同姓,他们都叫“王二”。用 author 作为 shard key,显然无法均匀切割 collection。这时我们可以加上release-date,组成name-date的复合 shard key,例如“王二 2011”。2 q) |& B1 K7 W* c D1 o
; O! Y2 O6 I6 E# C1 ]
Chunks& K3 O; ^+ Z" x% o" A
" |% p9 Z' x2 v! S+ x9 R" b MongoDB按 shard key,把 collection切割成若干 chunks。每个 chunk 的数据结构,是一个三元组,{collection,minKey,maxKey},如图1-2 所示。& a9 w3 a2 r! |9 v/ P9 s7 T
' }3 p+ ~, y3 P' f" L: Q
+ f7 A$ g; ^# B7 F+ C+ N图1-2 chunk的三元组
* X; `$ g X: Q, t
. A G$ w) c0 c6 F& l$ P 其中,collection 是数据库中某一个表的名称,而 minKey 和 maxKey 是 shard key的范围。每一个 document 的shard key 的值,决定了这条document应该存放在哪个chunk中。
& a/ ^+ R4 E& |( P" E, C0 u3 z# n U
& V4 s8 X2 b) `" P$ ? h 如果两条 documents 的 shard keys 的值很接近,这两条 documents 很可能被存放在同一个 chunk 中。
* f* k6 @( d* V f1 N' N( Z0 _6 l/ M
Shard key 的值的顺序,决定了 document 存放的 chunk。在 MongoDB 的文献中,这种切割 collection 的方式,称为order-preserving。
% p. R" S+ [+ W g& u4 W, C7 A) b0 L3 |( L) f8 r& p: i$ v
一个 chunk最多能够存储64MB的数据。 当某个chunk存储的 documents包含的数据量,接近这个阈值时,一个chunk会被切分成两个新的chunks。
, y2 ?" `8 X% S' W4 z5 G& r* E% H
当一个shard存储了过多的chunks,这个shard中的某些chunks会被迁移到其它 shard中。
3 r( U( S! \5 T: P3 g. J4 b4 p' g" E0 `$ D6 y: ~' K1 V
这里有个问题,假如某一条 document 包含的数据量很大,超过 64MB,一个 chunk 存放不下,怎么办?在后续章节介绍 GridFS 时,我们会详细讨论。6 f) O4 Z- z1 _9 ^9 _
! t, T) F1 Y8 b# f/ n
Replica set& M; Q# J1 E: W' h- _
% @4 ~0 h1 Q5 l! S+ O/ Z# V 在生产环境中,为了保证数据不丢失,为了提高系统的可用性(availability),每一个shard被存储多份,每个备份所在的servers,组成了一个replica set。& w$ a/ u3 b. m, |2 X- `5 U
5 a, r- d0 ~% _' C5 N 这个replica set包括一个primary DB和多个secondary DBs。为了数据的一致性,所有的修改(insert / update / deletes) 请求都交给primary处理。处理结束之后,再异步地备份到其他secondary中。
& t( }) G4 H5 p$ X! V4 T
6 b1 G( p0 n! w Primary DB由replica set中的所有servers,共同选举产生。当这个primaryDB server出错的时候,可以从replica set中重新选举一个新的primaryDB,从而避免了单点故障。
6 c" \) U- X1 ]- x3 b* r& N$ r( a- K' S/ S$ Q {9 R
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。
8 h0 ^8 J9 c! B* Z- Y
' E* k: e. [9 W$ xConfig Server% R! ^# M0 ~+ M' j; N/ {$ G
6 E% m, U) i9 K" [* o q
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。
0 X, K$ [- D8 v+ J F3 t4 |( Z3 |/ u6 {5 [5 P' o- G3 L0 }
每一个config server都包括了MongoDB中所有chunk的信息。8 ~4 T; q% _, p, I8 }4 ^
/ h3 z8 T! P! {4 \
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。7 {5 b/ D6 B8 T0 K) D
( A/ f% w/ v: R) | 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。: O( f2 v6 F( i3 O7 u
0 @7 @! L; R% }! G' V% ~3 j: ?
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。0 J; ^6 a9 I, ?9 r' k% n; L
]( P. q- i/ |$ P( u
Mongos
2 n$ I- y$ E+ p; W8 L8 S, B6 A
+ b% Z1 l& E7 _, J' I 用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。: {; z# d( W0 Y. s$ C$ A
5 V* O" ?+ z2 E; Z
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。
1 Q: c6 l) M1 e( J1 @2 P4 }) _# S8 ]
" p# \3 o0 K4 w8 p: l5 \. U3 X 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。- ^' y: D9 b/ ^* ]1 @: x( h; @
( m; X- M7 K/ B0 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。3 H8 l1 d! R2 d/ Z7 p* j: n
& N( E2 b- C# b9 G8 ~* g E
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。 T- S! V) z+ b. D, ^$ m8 b1 z
. ^& z) n: M- ?$ d
& _0 j: e! X4 `; C& k) q" l/ j0 zReference,5 m7 H I! l9 K! a* m% f
1 r/ j5 u" C( @2 v
[0] Architectural Overview% O0 C8 N) D$ {
http://www.mongodb.org/display/DOCS/Sharding+Introduction
+ n0 E0 {7 h$ v& Y# Q |
评分
-
查看全部评分
|