|
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。- X$ R- w7 a3 v' p
3 }4 o1 i: `6 V 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?- H1 [$ s# l9 x H# ^4 B
. {) I6 ~2 b3 M# W; r 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。
' h+ G- M2 ^" X, \) {( A, t5 T: R# o6 r u+ f& A- f! f8 V
4 S6 g+ j2 {' e9 h* {5 I" @
) f" G2 F+ w. |
图1-1 MongoDB架构图
# \9 k6 I' ^- W- g& Q- d3 F% H+ P i+ I# G' n$ m* `% C
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 l+ E" N* R" b7 t
0 W( E7 {% c2 @5 k3 Q: M
Shards
% p; Y/ U3 P% V. H! l: [
: l; B( e' z6 e1 b7 Q 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 I9 \7 R9 t3 H3 h( b7 A
4 p9 k- c( V* x d* M( 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)。
2 x1 ]# I1 t+ k
9 R$ }7 t# O F/ m+ e 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。$ g6 ?. z' O$ I. m
+ d; j( z' C/ A. e 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。
. J: p! a+ ?8 J1 _0 d
1 Y9 V) {4 [; J3 W! z' I3 K4 NShard keys6 B9 _" ~1 {2 a, Z* t9 f: g( W
9 I" l2 r$ S+ P) R) J0 S 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。
% _- ~/ M; g* L& [# l" |
5 c& b/ ~ o& O; H' B: }& [* p! T 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,. h5 n# Z1 h% X9 _# s
, ?9 _# _$ [3 j{$ b( T p) g$ E) I
"ISBN": "987-30-3652-5130-82",
' z3 O" Q+ \; ^% _1 J1 |+ W# r "Type": "CD"," M8 f" W1 P j2 K+ t9 E
"Author": "Nirvana",
0 X( k0 ]# |. j$ @8 L- p "Title": "Nevermind",
8 \) y; r- I- \6 X, @ "Genre": "Grunge",( W& s4 [' L+ X8 L* O; G4 t" K2 s
"Releasedate": "1991.09.24",% n0 V! m- {. n+ m" c
"Tracklist": [
7 e% L3 n( i6 Y {
# A" k! y5 m' ~/ e* d "Track" : "1",7 d0 J" t: A ? }
"Title" : "Smells like teen spirit",
; Q. o* u4 u$ \$ F "Length" : "5:02"! T; X* }8 g9 p, Y
}," i" E4 H; z8 _
{
# D2 P1 L/ p; P6 _; m% |& B "Track" : "2",
$ x. A) N: O0 B4 ^( ^! T p "Title" : "In Bloom",
) H N( x8 _3 Y" C, e: n$ a0 G& c) u6 [ "Length" : "4:15"
: I3 F2 s* w+ f( K }
, _1 ]( W1 k. t ]" r7 k, F$ o1 `" p* ?) E! u0 t1 u7 P
}
* i: [! G3 e- V( Z% C3 \* X/ Q! U4 n! @ l3 }$ y' m( [
{8 b: c) m9 [% ]) n8 \: E. E# f
"ISBN": "987-1-4302-3051-9",
4 \* U$ \2 p, f) d3 v3 s+ b "Type": "Book",
4 m' `) u6 V2 N! X5 v4 c( _ "Title": "Definite Guide to MongoDB: The NoSQL Database",
3 ^4 \: j, T! z& I/ _. ~1 g "Publisher": "Apress",5 u4 i' _) G/ N1 r8 ~" t; o
"Author": " Eelco Plugge",0 K; C+ [7 e% t9 v
"Releasedate": "2011.06.09"
" N$ J4 e. e& x& l& X: k% d}- |+ S8 x* Z4 p8 e: Y
4 n, p! X @& ^ t! ^5 U/ E) Y1 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。
$ u9 Z% B5 L/ m8 q: J- {# ^: {0 n5 K4 G
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。
) R# w% ~ I$ z8 t* C1 c/ F+ v& n M: F7 O- w- p
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- M0 q4 p$ a
, M* s0 |0 i+ K. K4 H9 `* \0 U 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。
- J' V; h# Q, C: T. c0 R w9 W! w, I1 B8 X% u- 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”。) n. Y* z/ Y; f! n a! N% M
- r1 o. X+ d* w% g8 a
Chunks* S$ j' |: b% _1 m
' H+ s% A2 U( b, V8 y0 L# q' [1 c- J 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。2 U P& Z/ e+ {) u& H# V. M
. E3 i! i: x5 ~" h" ?3 U* q [
1 q9 D% p! H' P% \- @9 i
图1-2 chunk的三元组 2 x1 m! H& Z, u2 X/ o8 W
F1 O; |: A& G9 z3 ] 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。9 e! ^; B: x8 f8 J+ x S. A
$ a/ B! p' O* |) d) z 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。
& [1 d& J* Z" T/ }7 U2 h
' J" p; g z+ }# s 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。# C7 [+ o; d) C* _) m( T* u
( P5 U! g2 B& d2 ^) @1 R 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。
y) G: J; K& _$ r6 E, u* v; Y2 Z# i. R( \: T3 o+ ]: D
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。
2 p4 D" f# Z& C U3 L9 W' J. D) p, J) f3 e& D/ 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。
# K- Y" i6 e5 h
' E1 f! z8 h* @5 c+ q; VReplica set$ w" X: Q f% [( `
9 O$ M8 m% U' M0 t( \
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。' C( Q' n% y% L" U2 Z0 |# g
" [3 _6 F/ X- \, t6 E
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。1 e. U' e* C1 z2 {
% q f: e3 h( q1 Y8 Q" 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。# t. x9 \, V3 Q& n8 L) F. T
! h" C4 E- x) j9 P 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。
1 u% m0 ^& _( M7 w; `6 n
) Y4 G# _% J+ O; P9 n+ O, T* g* K) r. mConfig Server2 ?2 [5 J9 p8 `- T' T/ Y
/ Y; g: B5 e1 \$ C. R3 ^* O. @
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。! P- E/ g" v0 H
8 S1 w3 f1 w `; h7 u 每一个config server都包括了MongoDB中所有chunk的信息。+ B, ?" W- G( a! n" s& I
2 U6 E8 r" e2 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。
% S9 ?9 f d @$ T- c3 J
- ^! x5 ?" [- L1 \5 l" A L( p 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。
7 [: P! f3 T5 M* `9 h! a0 x. [3 s8 B7 f6 R; `+ E$ |
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。 b- x: j' a) h1 F7 {8 x. D
) I" b4 L; j$ J A# r& |% sMongos
- g2 _7 x/ I- c' w. A" `8 ^9 T, I* ^- t! P2 a2 R% B. T h8 r4 X
用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。, b9 Y* ^) t1 P" I, ]
$ B8 W7 ?9 Y3 I$ t8 P I6 r0 H" m
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。
& P9 z5 D3 _# r- r. h( K* i6 A3 r* v6 j4 o
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。
4 O5 t) j( e3 N, y
y1 u- N! c& {/ p" p: K' ? 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。8 P B& G z; h5 u/ h
8 G2 A4 ^/ a* N0 y1 i+ n( Y
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。9 j0 n, E" ?8 I* z q* Q
/ {0 f) m% @6 k% f( }. j7 Y+ c' r; A- V' c" _
Reference,
4 c- L8 P! |& N1 l# |/ c( c0 N' [* Z' a: O
[0] Architectural Overview0 x- S+ S% @5 f- t, v
http://www.mongodb.org/display/DOCS/Sharding+Introduction
8 I( N" r1 U% i% h4 J: J. u2 @ |
评分
-
查看全部评分
|