|
|
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。- l: ?% k4 T) E$ p9 A* O* F
+ c* C/ F% M' Y+ g Y" ~# @: W 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?3 x1 D9 Q% w! b- [7 W( u
$ B" |6 |7 r+ }0 C$ 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。
/ k4 I' E, n* ]9 z( t' Q' @9 c2 k! a; x4 q. _& S
3 c) F% n5 _: h
) D, R b4 F8 h图1-1 MongoDB架构图
# {3 B+ V1 n4 t% o b1 T4 t1 q; n" G9 J9 D1 }
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)。6 S' t8 z5 t; P! ^
& d, w+ Q( u- q4 W& p: x3 P
Shards
8 }8 @0 D d! ]/ p/ H
9 I6 `3 u5 w1 r3 m! o1 S 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。5 P" n. m, e X( ^
: [* t9 ]. C- }1 O2 \2 k9 v, D" M 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)。
X, M# Z0 d- P1 P) n# d+ K* z( l- [7 L: K- w8 b" S/ x1 [
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。: e/ O; B* w3 v, P8 Q8 h1 p
( b% k6 h- c0 r* B0 D
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。
! }, N* [2 }* V& n0 E3 ~& q) g! `+ [3 ~- e8 e
Shard keys
$ h7 J$ x, D- R# n8 f0 O - m) ?3 E2 c+ n- b9 @# x' 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。
4 Z# N( w L; e* G6 }# t5 z7 B! W& t% N2 n+ Q' V
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,
* |, r4 ?3 }) ~/ `7 @2 T4 w$ |6 Q( U
{' V1 V; B# ~* G
"ISBN": "987-30-3652-5130-82",# T# ^. L/ y8 z& P+ b, d
"Type": "CD",
8 D+ f q9 T0 V7 t# a "Author": "Nirvana",
, O1 g$ X9 j3 V Q1 A6 d "Title": "Nevermind",3 ]' y& k6 O6 z0 Z
"Genre": "Grunge",
2 Z# L( K9 ?* b! \: J$ J "Releasedate": "1991.09.24",
% d2 k) n# W. n, g# o6 @$ k/ Y "Tracklist": [
: k( F7 l n+ O" v' @" E {, ~1 F1 p ^! a: \# d$ c! Q" |2 o
"Track" : "1",( m5 L" |- d j+ w, i9 _ y( _
"Title" : "Smells like teen spirit",
4 [! Y% B6 E t1 |0 @$ [3 O "Length" : "5:02"
& j, R( S# n7 ~8 n" X- }" X },
! d7 E3 `7 F# M5 {- b+ X- ] {. R* e- `) Q0 c9 L9 F% b& x
"Track" : "2",, z5 \& d# w7 z
"Title" : "In Bloom",
5 E* V8 U8 } K: C- ] "Length" : "4:15"% p8 n( B, n/ A& N6 X
}6 t C5 e2 n9 u1 D6 E
]
7 `% G5 A6 B$ v( g: e7 \$ s}
% ]" [1 @) E% v2 f4 \9 P$ B' [
" E- z6 i' x5 b, |$ K{
3 u j6 i9 f; U+ l "ISBN": "987-1-4302-3051-9",
1 o( i4 H8 o1 x2 g8 C8 {4 S! `" b3 v "Type": "Book", m; @% S" G9 p8 {2 ]/ y
"Title": "Definite Guide to MongoDB: The NoSQL Database",6 a9 S0 {( T+ y: n+ ^
"Publisher": "Apress",3 E3 U: m9 U* i$ P, `0 t
"Author": " Eelco Plugge",
y0 a3 M, S2 x/ X "Releasedate": "2011.06.09"
4 F {! f; r* X}
0 ?4 |# [8 p" o4 }3 L2 J; K! `8 M! C% i b4 B. q( J
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。
. W# s" Z$ e9 `$ E0 J9 a
1 V @* g9 M Q. Q 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, g8 a4 g6 ]6 [8 v: x
8 \. a+ f: V9 P* X8 P6 X
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 ^$ h8 y7 q: z0 L R
8 E( @2 v, V( w& ^
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。
, M8 y9 v% j: a h) N8 S* p: x% I! o' x" h* h2 _1 m @, I
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”。
8 T6 {' Q+ t0 S6 X- ^( E1 G9 {8 u6 b! I' J& a
Chunks
3 e2 c7 b1 V0 }" S. \
2 v F! H3 k5 f$ f: }# f0 d 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。% X4 O; k& w" C( R- k
( L6 H+ s4 f, q
* n. Z J3 v# W+ M$ @$ Y+ [- P图1-2 chunk的三元组
# s6 }7 T0 I$ }' Z& H$ w# v0 D$ v- o
9 r# x! |. Q2 Q4 _! Y 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。* V. c- g2 @/ }5 [# k7 `
+ s$ V4 k y7 i; R7 P 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 T+ i% _( v9 {* d
5 \& W" \- a: T/ x4 B5 `
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。 V" e; \! u: r2 D0 C; j
9 I1 a1 Y* D2 S- A/ K1 m) x/ N
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。7 }: M8 }+ K1 x. ?. d. `7 V
A+ P' Z" I/ |0 x
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。
1 {' H- s9 M; S& d: U' l! ?7 K
3 t4 h7 D/ m! A3 I4 | 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。# G' p; F8 c w) \, u5 p1 ]
* `) K3 F( e% w( o0 |Replica set
1 j1 R2 V- e% F1 Z- N0 N
( r' \9 k0 {: Z 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: L" i2 S2 _# {
! h; F. {, m! r) m3 b7 w- @
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 G. f# h- z$ x; t( c1 ~
3 L$ j A- T# N. p
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。
+ h, l7 `% l/ L t4 Q$ {
( w+ a: I- |# q9 s* [: } 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。
( e2 }$ S* B3 d# p0 C- h% V% {# a: R$ h) I: v/ }8 v
Config Server
8 v) e3 d, u$ n4 |( ~8 E3 z+ e
; X) M) S4 |- |: F9 ~7 }& r" m 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。
' S$ D% n9 f! ~/ \" x' k' n7 G: a& R: H. Q) x9 ~5 [) L
每一个config server都包括了MongoDB中所有chunk的信息。/ e, h* T+ J0 j5 m$ t9 ]2 s
6 [( ?" X2 B2 @4 Z- g2 x/ B( @ 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。
* c" m1 O& J# n6 u; g8 O6 L0 U8 O5 z* 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。* Y1 J6 n" P) |4 P% r
0 w) h# J6 y! X& p3 k! I2 s
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。
6 o8 @( R7 W! R, M
9 A, W+ C" j* ? \7 [Mongos
}" S6 U# F! }2 |" ?# ]0 f6 C# m" F5 u; y- Y c
用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。
/ H% V5 b4 M/ P2 w/ u: a# V J* l A% 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。
8 h/ _ z1 T( ?& G* O) L: q5 C. n# N9 N' J/ {$ g
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。
' z( s; S9 ?6 f. D9 ?" M0 T
# }; w9 V3 Y: j& j; l 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。
2 [5 p; ^5 T& [" o B/ Y2 O" L, l+ y- @* v1 W; K
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。, J7 G7 `# J5 y1 C% y0 Z
6 y" u# w2 v% z4 s3 g) Q
3 o' r% k/ H, U- Y, k
Reference,+ {% S4 K+ D! ?1 B( D
1 o8 |/ q! K7 o6 K. K; E: }[0] Architectural Overview
" H/ s! V4 _) t& \5 g, Xhttp://www.mongodb.org/display/DOCS/Sharding+Introduction
1 \( n! c3 a9 ? |
评分
-
查看全部评分
|