|
|
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。
& z* a# g4 z2 B( I" F' s" _: r* y8 W* J5 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？
- r% f8 A& p& L1 a- u# o6 d& ?; U1 l6 U6 o4 |, D
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。/ E, K2 C8 J) B4 A! {
2 w+ U0 Y+ n" E+ K) [1 \( c0 x$ Q
0 P7 n+ k& K& d- n' L, E
) h$ a' U4 v1 j, p图1-1 MongoDB架构图 # @/ F3 L4 L/ f% _4 t0 W& N
3 U! R8 e1 y: x5 L5 N {9 W 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）。
* m: \( Y Q: r. F% {" ~" _4 a. n, q* n$ s# t; G# n; A9 \
Shards
) y7 w0 O+ w" _3 }2 F9 L. k2 T
9 K9 E4 L3 J8 b) t9 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。# r+ j L! H( ^4 s/ Z) u) \
/ _, e" k; [/ i# e. s
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 ~( |* y! u2 p2 F! v, ]9 E, |- [& V9 z5 U8 I6 L
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。
% X, F) B$ c6 R, _) p3 w! i2 Y2 H
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。' f) z4 I7 C5 Z1 ]/ l) X
* I& U; [+ G' K3 J& ]' l0 A
Shard keys) l6 d. b' l5 l% r/ W9 [/ h
W4 d8 ~7 K% p) s: R$ k8 ^
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 U. T) y) u Z7 a# z8 ?2 ~7 P( d0 o. p5 K+ u+ [, J4 \& p
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，
+ [4 N- h7 _' v$ A Q1 i2 d3 h S& M9 R$ C. k$ F' ~
{
* |- F" S) x- l. ~ "ISBN": "987-30-3652-5130-82",
' s6 m, z3 W& c! ~ u' a "Type": "CD",
9 V% Q* R4 y. w1 t "Author": "Nirvana"," Q; C& T* G+ M1 Q- P% w% K; g
"Title": "Nevermind",
% e5 p; o+ i0 r1 ~7 I x7 b/ N& s "Genre": "Grunge",, ]% M7 z9 K% J3 |
"Releasedate": "1991.09.24",' h( _( ^3 X- v, ~+ C$ t
"Tracklist": [ J6 p: Y7 y0 o/ D, F0 W5 {8 H/ _3 M' l
{2 h" B, K9 y& G8 Y, Z1 N; G# n/ u
"Track" : "1",
- T7 [; x$ ]& J9 }+ @& z "Title" : "Smells like teen spirit",7 ^" ~5 N# Z" \5 G5 K0 O$ ?/ ~
"Length" : "5:02"
: v3 p8 q1 R* |) Z },
) r/ Y8 a, Q% u) [/ c* u' V1 y {
3 Q) N2 w- ^ N# B- e "Track" : "2",: ?" X1 Y! f1 O: i+ z# D! b
"Title" : "In Bloom",7 Y( M. |2 B$ K2 |$ K
"Length" : "4:15"$ X0 Q0 R, J* g( `& u
}
/ C5 V# F) n+ x* D; y9 z! ^4 ], P* D ]
@4 Q7 q, _. _! N; w0 s}
' c2 @: M+ k! X
' c" ^2 F( A4 }( S1 M$ d{& q Y1 w! ?) c; V
"ISBN": "987-1-4302-3051-9",- c# r& l, L% ^6 w% B
"Type": "Book",6 Y$ H ?1 _% j/ `/ c
"Title": "Definite Guide to MongoDB: The NoSQL Database",
: F# u0 R, R; q3 ?9 [) ^* l "Publisher": "Apress",
, h8 A* t5 P$ @5 k: p: a "Author": " Eelco Plugge",
6 v# W9 V1 {1 l" I; g "Releasedate": "2011.06.09"
( `2 b$ L$ D9 U2 ^8 Q* I) C, ^7 e}
/ D% y5 ~& F; {
9 {5 I; x: ?! H/ \' H- [& L 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。
( r4 ~" M$ w" t# G2 ^7 S/ c+ I6 f3 S6 Y9 ~/ Z& @ 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。( Y( g! o7 T& U) C2 I3 u2 S) ^* Q
8 j4 v* J Y2 T0 |# g) z 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。
6 ?$ ^& {) \9 h0 A: A* C7 `; a/ V# ?
+ ^4 V- O* R3 w+ m, \# Y" ] 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。
& i, ^) ]: q. K% k6 B" c w' J6 a0 {* E" h' f2 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”。* }9 a3 }! |, f" r
5 [3 w5 ?. _1 |Chunks
& M/ a' W1 M. ]9 {% W# L
7 o& \, C* |8 G+ ^: O; b u 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。
6 n& z, D! P% [1 b2 R/ ~' k! i; _/ d
7 O; G3 q) m' Q" \! b M
图1-2 chunk的三元组 " B ~: \+ h; W6 u- P9 o
7 c$ }6 n! y8 B5 C3 n2 z
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。! F4 Q5 V( [$ S6 _
. ^5 Y0 `7 h9 i, r' \+ x3 \' I
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。3 [: F0 X. V1 q; F6 I
, D8 O. K0 ?, C9 @" g ?/ D$ b3 b) b) P
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。1 p9 x @: y$ e. {
; d, G5 T; ~; W0 C& x& Z& J* {
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。
2 e Y) p1 x% i4 N* @. {( q3 H% h
' y) z8 Z l: e9 q 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。
( X* W3 }6 b: e1 u3 y2 R$ X; {0 d" G3 ^: u5 s7 N& Y8 B0 E3 m
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。& j; X% N8 e$ e% W- f
5 ^. d" h, p1 N/ C1 ~( d! tReplica set2 u. ^5 P8 C }8 i& t. r4 M" X4 C0 Z
2 Z5 p2 u/ N# E7 |$ S W 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。
( h$ p/ l! m9 c5 u2 {& B( g9 G! _. j! U" e4 |6 Q6 O
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。4 N( g& l% s% M4 D
' i/ I# R8 P7 ~$ q 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。
& p7 P6 G [3 n/ F$ F! h+ W
/ b, g# c* `4 k8 }5 H7 Q) y! t/ w 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。
2 c+ u( M+ ?6 W1 U1 k# e7 k7 S2 I6 r0 ?; { W5 k$ `2 ?& \4 m. x
Config Server: F- V9 C! n- Q8 d
+ F% S# d; e% ?5 h& ^: U
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。
9 b/ C! F1 Z6 s/ o
4 x5 _% m3 C4 I 每一个config server都包括了MongoDB中所有chunk的信息。% u9 z- d+ L$ m: |5 G
- _9 M/ Z$ ?3 _3 e 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。& T8 W0 J% U* B9 t
- [" L9 x3 r8 U) m/ v6 Z c 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。
# W$ U9 p* E$ G! \' g' N& r3 y( G% \8 F: O. P& k3 f' \4 I _1 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。8 D, t( c7 ]2 E; Y# V" J
0 i' F. W6 R0 m% MMongos
3 e9 ~! c7 y2 p( g3 D, g$ j1 |5 r# `9 \ }
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。( b+ M- ]; z j. Q$ z7 G
! K7 T) U$ v* T$ q0 ]
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。
' `4 z+ T& Z* k: @, a# P) T) m$ k; N$ m$ I U6 Q2 z1 Z
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 S% B9 i: Z4 Q& n0 Y( D# A% X* |# ?
1 \3 E4 v& C3 d3 O+ ^, d9 a 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。" e) E+ M$ P$ j. {& f4 D
[, r( C& b9 \7 ~! B/ g5 d 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。
6 l# u* N% j R C7 p; r4 z' x$ A
2 b0 u# V+ v! S k2 _ Y+ i2 d8 t1 |( V5 `( A
Reference，" r% I3 Y1 C; L) l( ^& D
+ y. v, k. c! t& P- L/ L
[0] Architectural Overview4 U6 Q( R+ ^ p6 [: @4 C+ M* S
http://www.mongodb.org/display/DOCS/Sharding+Introduction0 _/ I, d, c) h) [( L
|
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。
