MongoDB架构概览

shengnan007

    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。

    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？
" m% e' p. j) X5 H) B5 B
. U7 w$ |" X- J% j* D& }8 }    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。

# J5 X" J: `0 ]4 \- s; w  p4 u( w2 h

) [4 k& F3 f) x+ O7 K
图1-1 MongoDB架构图

: M) C* Z' y8 c( E: b
/ y7 }  V# G& r9 ~9 K% z    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）。

/ \! t/ x) Y4 l/ X# B9 p4 aShards
) X* n6 ^% F: `. y3 i) m  u( d
. {- }) W. B6 D    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。
9 u. V1 y# Q7 o7 B9 h4 p3 c
# |! |1 M% b1 a* u' r    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）。
6 M" i( ]& w/ e2 m2 D  o2 ~
    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。

    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。

Shard keys
2 `. h. \, `7 @        
: c: k7 Q! i# P$ V) T  }& P4 _' y- D    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。
3 u0 U9 `& p7 ]  k. }
    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，

{
  "ISBN": "987-30-3652-5130-82",
) ?" V) d4 P+ W' W  ^+ d1 p' y  "Type": "CD",
  "Author": "Nirvana",
- \1 W' n% O; ]3 X2 {  "Title": "Nevermind",
  "Genre": "Grunge",
( D0 D" U: A, j# ~1 r; x   "Releasedate": "1991.09.24",
   "Tracklist": [
     {
! |  H& ?% H0 I! `4 {( A' ~        "Track" : "1",
& z8 l& ?5 k2 X! O        "Title" : "Smells like teen spirit",
        "Length" : "5:02"
     },
     {
7 p, h7 [2 L3 }6 p        "Track" : "2",
        "Title" : "In Bloom",
        "Length" : "4:15"
     }
   ]
$ Q6 s; A  E7 ]7 r& V}
/ Y& r1 I  C( ^" N0 G7 q
6 W  w3 h1 E5 h  R6 H{
8 c# j7 o: S1 `6 g  "ISBN": "987-1-4302-3051-9",
  "Type": "Book",
- q; i4 v6 {) ^7 j3 m  "Title": "Definite Guide to MongoDB: The NoSQL Database",
  "Publisher": "Apress",
. e) G$ w, K  u7 M  "Author": " Eelco Plugge",
8 C; G) v: O3 I/ H5 B/ V( x9 F  "Releasedate": "2011.06.09"
}

7 I3 K. z* W2 Z) X    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。

7 |' D. H/ z$ _2 T) R2 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。

1 q: X5 S: _" J( d9 h. F    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。
: K  e9 h- @+ k1 R/ o6 s
0 f7 e4 m. _& 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。
7 A5 v5 m/ @( o# ~, O( I9 I) }0 C
, ~7 O( G: u9 _* ]    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”。

- \) K, R, i) FChunks
2 _3 ~5 F9 c/ S' p9 F( b        
& N/ q5 n% ]9 w* d9 J, h    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。

( g8 q5 `4 S4 I

. g% w  K% h  \6 j2 G2 o图1-2 chunk的三元组

; a- X& p9 z9 y2 o. E1 q
    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。
  o& g, }( j2 m( j9 Y' n
% s5 E4 X1 a% `    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。
8 O" V% R* B' Z% T; j
    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。

    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。
, \* S6 v+ [4 t) U
    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。
  A8 C: N; j6 Y9 c
    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。

Replica set
        
( {! o& F; G" U) ~: a    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。

    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。
, G8 K9 S4 h- E( b
9 ]+ N* `. h9 f    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。
3 H2 c: M+ j0 z) {1 p$ f
, c0 x! @, c: _) b) d( {    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。

' n/ u4 W1 q! n  _1 w5 WConfig Server
4 p/ D; w' D1 ]8 b        
    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/ P$ o; J, S, ?( E
( \, v  I. |% W  K  R    每一个config server都包括了MongoDB中所有chunk的信息。
" b" }# f& x, H( ?0 m0 {
    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。
1 G$ E9 F& l) V2 j8 z
  L) V& i' J4 N4 J; N* {    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。
8 W0 I" z8 d2 @, H2 D
    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。
3 y6 s6 Q4 R; `! ], S. O5 I
; ]/ Y0 q' i2 p& U; f& _* lMongos
& E+ v5 t: J* b: n8 P/ O0 E0 V
: n- L! G' M" T/ ^! j1 H) `    用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。

    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。
; X* q" _' {$ T- }1 e
    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。
( ^0 L# k& ~+ T9 e9 S
/ _$ L/ W; A; {4 m; ^" I    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。
7 A: }# l' e! D" u  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。


Reference，
5 @; G  ?* n2 l/ j7 [6 R, S* `0 z
[0] Architectural Overview
8 y. ]. V4 N' w7 Bhttp://www.mongodb.org/display/DOCS/Sharding+Introduction
, j: I* L$ j* Y" a: W

PenPen

: s8 Z$ V- u$ A" L/ V) {7 b您是和邓侃一起写文章的盛楠么？

shengnan007

呃。。。是我啊。。。

shengnan007

PenPen 发表于 2012-9-18 12:40
您是和邓侃一起写文章的盛楠么？

是我啊。。。这都能被认出来。。。

PenPen

shengnan007 发表于 2012-9-18 12:44
! E- P, S! G$ a! }是我啊。。。这都能被认出来。。。

% p2 E9 @! ?" R- w/ s这篇文章我读过。开始以为是转贴的，后来再一看id就发现真相了~

shengnan007

PenPen 发表于 2012-9-18 12:47
这篇文章我读过。开始以为是转贴的，后来再一看id就发现真相了~

多谢支持。还有两篇一会帖过来。后续的还在写。边看源码边写，比较慢，hoho。这里是要推荐才能变成正式会员是么？

不爱吱声

shengnan007 发表于 2012-9-17 22:49
: M. s& S' ]0 `/ @' }; Z多谢支持。还有两篇一会帖过来。后续的还在写。边看源码边写，比较慢，hoho。这里是要推荐才能变成正式会 ...

1 [0 ?" Q" r/ ?欢迎，欢迎，已经给你变成正式会员了。

shengnan007

不爱吱声 发表于 2012-9-18 12:51
! i2 ~& l* Y, h0 ^, t3 L欢迎，欢迎，已经给你变成正式会员了。

: Q% L  y- W8 i  t0 s( H多谢多谢啦~~

巴山

我们现在的 technology stack 就是 php + mongodb，涉及财务方面的东西用 postgres。

梦晓半生

谢谢。
5 d( ~& }; I: b; e
' _* L: c+ d6 @" s" i中文看得真累，大部分还是英文术语。

. U) W6 t" s. i* b1 |7 N$ o这应该是一个系列吧，后面怎样寻找，执行指令等开始入门，还是说的太简单了。

现在distributed DB在那些大网站很重要，现在开始有跟已有DB分庭抗礼的苗头，不过不是那里工作的话，其中的奥妙大概难说清楚。

shengnan007

巴山 发表于 2012-9-19 03:38
我们现在的 technology stack 就是 php + mongodb，涉及财务方面的东西用 postgres。

...

mongoDB作为存储是没有问题的，财务这种核心数据，还是不建议使用mongoDB的

shengnan007

梦晓半生 发表于 2012-9-19 04:21
& f9 y% Y: h8 p8 m6 i谢谢。

4 X! }6 @- G0 k5 R7 E中文看得真累，大部分还是英文术语。

现在关于mongoDB的文章，大部分都是在告诉大家怎么用，涉及到内部运行机理的文章，数量不多，而且不成体系。这个系列文章的目的，是让大家了解mongoDB的基本的运行机理，这样以后使用的时候，可以知其所以然。但是由于这方面的资料很少，我也是到处找资料，写了这么几篇，再往后，就是边使用，边看源码，边写了。

profer

shengnan007 发表于 2012-9-18 12:44
0 @) D4 C# e+ C$ p. `# _  ~0 z2 I是我啊。。。这都能被认出来。。。

是邓嫂么？

shengnan007

profer 发表于 2012-9-19 14:16
是邓嫂么？

; V0 S6 ]0 w3 k" ~/ f) ?是邓的小兵

恶魔吹笛来

有点惊讶 居然在这里看到这篇文章 呵呵 静待大作

梦晓半生

shengnan007 发表于 2012-9-19 08:44
现在关于mongoDB的文章，大部分都是在告诉大家怎么用，涉及到内部运行机理的文章，数量不多，而且不成体 ...

太好了，期待中，希望都带上英文reference。

现在这种新技术很多，Mongo是比较流行的一个，我这里附带一下一堆NoSQL的新系统，到最后估计会有几个胜出。

% y+ w- J- N: `! ]% @1 L8 T' ehttp://en.wikipedia.org/wiki/NoSQL

shengnan007

梦晓半生 发表于 2012-9-20 00:57
太好了，期待中，希望都带上英文reference。
, F: z; O, v) z
; N& t5 H2 H1 R) K8 t" P/ G现在这种新技术很多，Mongo是比较流行的一个，我这里附带一 ...

9 T/ e" \  Z2 U" X( e1 z0 K现在写的也很纠结，资料太少了，哈哈

梦晓半生

shengnan007 发表于 2012-9-20 08:53
9 o: G1 M$ `- T2 L$ b现在写的也很纠结，资料太少了，哈哈

建议从NoSQL写起，这是推动新数据库设计的需求关系，原始动力。
- f% M' L# r' v! r
http://en.wikipedia.org/wiki/NoSQL

% R1 @( {. |+ L

定风波

恶魔吹笛来 发表于 2012-9-19 18:35
5 j5 s, g, ?* E4 V5 X7 n5 S有点惊讶 居然在这里看到这篇文章 呵呵 静待大作

有什么可惊讶的邓侃在前一个爱坛版本是很早的注册用户呢，从开心网一块迁移的。。。

shengnan007

梦晓半生 发表于 2012-9-21 11:52
建议从NoSQL写起，这是推动新数据库设计的需求关系，原始动力。

http://en.wikipedia.org/wiki/NoSQL

好的好的，现在这个写完，然后开始写nosql