|
|
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。
4 [$ w) ]# c0 i4 [+ w2 @* M2 _* ^- H# T7 F* N7 K3 J
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？
- j8 B/ Y3 \; J- j
& B# ?2 U+ G% R0 i3 h% c$ n 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。4 k( b% f, r$ n x g J3 T
4 N0 O$ Q3 ^/ C: f6 ~
% X- H% x$ D9 {5 R8 u0 O ]8 A. r& l& k$ \) ]! [
图1-1 MongoDB架构图
% e: d; ]& V: |4 k) V+ F9 q/ J2 X6 \* u+ Y2 Q7 @: 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）。
2 Y9 T6 Z6 K& `. I+ |! C* `. ^) G7 d! d8 O2 H& z
Shards
. ?9 b5 _! u( E- N1 C- h9 F
! M! l0 A+ O6 h3 _5 C, L$ o 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。! ~- u" j( l a- K) J3 {
) P1 n- u5 V! S* t, T w( C% h
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）。" _' O/ m; d4 G
, Q4 b$ X3 p; g, l k 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。, }2 R. s" n2 B( ^6 I
4 {& @8 K, t% [# k) x( k( T: W+ K 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。
. W- u& V/ i5 Y3 {* M, L( H' Y. U9 n t, v/ ^- B% ~' N4 `# }
Shard keys( x) z/ a9 B- x% H5 Z, @
7 I( A! O5 R8 j2 w1 e 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。8 C8 K5 A- W# D
4 q" D! s9 e5 B3 i# q0 l* y 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，
/ q7 k; K6 z3 j; w0 f$ P: G/ W7 x( m( S
# i2 b; |9 ]0 A6 |% C3 e, x* S{3 }) b" N9 S/ W7 g$ L6 p- A! R
"ISBN": "987-30-3652-5130-82",/ p" H2 @4 B2 A: L5 l0 K3 J8 {: W
"Type": "CD", X4 J' S9 h( s# ` v5 S/ U
"Author": "Nirvana",
! p9 Q3 ~& }# Y; A+ s! r "Title": "Nevermind",5 [! G0 u+ }# U5 \. c: R6 F+ @
"Genre": "Grunge",8 s- p# K! s8 ~' z
"Releasedate": "1991.09.24",
+ H! D% s6 m7 h/ z "Tracklist": [
* j- F8 d; S4 l$ h% Z: g" J0 B+ y- s {
" J, ~7 i+ H# {# _9 P "Track" : "1",/ N: g1 d W, ]. @0 y' y) k
"Title" : "Smells like teen spirit",3 | v6 B0 {3 z
"Length" : "5:02"
7 W2 w; \& e9 a" ? b+ a },
8 x7 b p0 l7 Z& P# Y! d {
v6 ]+ n0 K. m8 Y* M6 Y "Track" : "2", `8 D! r. k; R! b% w& Z
"Title" : "In Bloom",+ F) u6 }3 t: d ^3 `' y0 T" z
"Length" : "4:15"1 N5 o8 I3 e' U9 f) {; I8 c
}, ^! p+ x/ ^% t6 K0 `! B
]5 Z& `. V" p8 h
}* L6 {1 N/ |2 F, A0 [: O
8 O! Z$ ~2 c/ _3 |; a# R n0 \. o7 G{/ T* q3 o3 i- P, y" b
"ISBN": "987-1-4302-3051-9",
# B2 t9 l7 Y% c' d1 u1 n "Type": "Book",
t& g: `: E9 H) b0 m0 B% Z+ n "Title": "Definite Guide to MongoDB: The NoSQL Database",: D1 |* W3 j$ e) E: q
"Publisher": "Apress",: {6 D0 ]$ T, a( O! M' ~" F
"Author": " Eelco Plugge", Z1 e* e+ ` F" n. ^
"Releasedate": "2011.06.09"
S7 T2 R) D+ Y& V}
# q9 ~' d/ L* z) \2 ]* \, Y7 M3 \
9 N8 d9 g+ G& {. S4 T2 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。1 j. t4 a: p4 q: p" p0 O) m: Z
- ~1 k4 I% ^! q7 v& r& d, P2 ]& Y0 I$ @ 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。% q1 b: o$ m: @; |& x& V
: G& E1 }; D# r( Z" N; C5 ?& }: Y
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 b; r, z$ m+ W6 `8 N
9 F) z- I) F, |& V 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。
, S$ h% m$ r5 i! |3 @2 N( N
! X9 J. ?( Q( m1 Z0 O9 p 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”。
. G8 i0 e8 J6 |9 r. p3 h& _& C$ q; h: p0 D
Chunks
# } V# ?- v& {4 d2 A/ ^! ?- | ! O& N& M, r/ o: j+ P0 q
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。
5 C7 q3 |; G9 m& q* r+ i
9 A- k# P) ]5 y6 q2 c5 a
1 e- M. C2 C+ |: G" d/ q# P
图1-2 chunk的三元组 1 S2 f" I8 ^ a
; e5 G+ }3 o8 h
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。" J8 x0 h+ Y5 f/ A& N' R+ n
- W3 S# r6 k5 g0 I2 ^
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。
. i) f3 K: z2 h6 z
8 A' W5 K! C0 X v2 ^0 \! f* I) 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。% S% J1 _9 ^# g! X. `
# U' C* z7 W9 L 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。9 |3 {& e+ t7 K; \5 ~1 g
0 t- } \1 D4 g* t8 x' E. I
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。% z( E6 U% E* ~/ `2 `$ C/ x. c/ F
" }7 F3 Z, J) J: u% R' z) t8 n
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。
: B7 ]! A: G' U: ~& a
* p+ ~( D, r& r* T: aReplica set. w5 I. V- X Q* z5 n- ]; I" A
2 P5 o* F2 k- r: ~( h7 r* q9 ~ 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。
* ?8 c. B3 @* i, \& F: ~( J
g/ C$ ?* ~9 P4 |+ T 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。% [! c$ ^3 h# F4 \
$ Y& o: L" }& d* y
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。
$ r W; S b# ?6 s
3 f+ R, T8 s C1 q 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。# i3 Z3 g# j7 z0 N
7 M; ]5 o9 [6 Y% r0 R: ^) QConfig Server1 z# I* U/ j* v, w# z
! F6 u; _, G* P8 g1 I
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。
5 |, v9 @4 q( e1 c
' g2 f; L4 i6 R1 b) f" L- B 每一个config server都包括了MongoDB中所有chunk的信息。
6 c% K1 `" A) h; h3 e! U
. J5 H( B" C5 x# P) h3 D 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。9 m+ s/ C5 O! \# z% P* ]' O
! w- _; I- i/ {! f% R$ k0 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。
' }! C* {% u, X0 H0 B8 q
! h* J( V% t8 d8 E/ F7 g 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。$ j* s; o9 q! |% B# ]7 }
" ?! i$ o9 K& F3 u5 c- k, e% a& `Mongos5 t7 H3 z6 f( I1 B) ~
2 k, h5 G+ N* C0 g5 l, [& E% X4 z 用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。1 e! y1 l7 Y3 s, p/ c
# U& X! ?* B3 z! f5 r 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。& o9 r; N+ k) q& R; N# C
! r. ~4 K2 [6 F Z/ l4 b
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 M6 X+ J4 ~' q0 i5 F% |9 X
1 n7 U9 b* G/ E1 k2 Y: f 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。
) h/ k8 I$ V- J; y7 l
+ H9 N) n; D, P* I1 a1 I, b 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。5 c1 C' @) H/ X! `+ w) F
7 z: o9 y C$ v1 w& u5 D" Y( @ u" O8 W$ b9 G
Reference，
% F. P( o g# T) X! Q; q/ s
5 u/ Z1 [' V" F) U[0] Architectural Overview: f# M8 ?' N7 u/ @$ n- O' @
http://www.mongodb.org/display/DOCS/Sharding+Introduction3 L' C' J0 g2 I8 Z# ^' u }
|
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。
. f% a* u$ A W* F6 Z