|
|
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。# {8 l; M$ I8 a8 h" A
4 k' }( D9 f0 }. H& ?
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？! V2 d3 G3 c& r
- i1 z2 ^2 H' [1 r7 }7 z 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。" T7 D% D `8 g Y1 V V
) L( u! o: K* A6 r& @
" ~. a0 }" Q+ o7 ]# y1 i4 S
$ S N! F- a( r) o4 c3 s/ ^" K
图1-1 MongoDB架构图
# K3 S& a$ Y8 _1 h+ q2 Y* j/ N6 t+ w+ Y
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）。
- ?9 H x* ^3 o5 \# m% z% T( m) M l8 k
Shards
# s1 s- P" ]9 Z. \& V+ h; m3 |0 G
% \# y! y6 u5 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。7 p8 e* F0 i% r1 \
- R& R M" p+ u. M- t 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）。0 u' C+ w! l/ K. r
) L% |0 ^: I% Z1 C+ M/ v; t 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。# c9 b; r: M& V. H5 @: w o
. w7 a7 B2 y. e' V$ q* ^' ~: ` ^- Z 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。
6 R$ A O) S& Q1 L+ W" O/ z& f
: }7 {. `* }2 ]6 jShard keys
% H% X: r6 x9 Q
% E) Y9 _" p! g9 d* e2 ]9 ^ 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。2 Q/ D/ ` m4 P4 N p; R; H4 j
2 v2 o, a2 Y* m8 ?
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，
6 v: I! c3 @ k: F5 r( Q! l5 X
4 L$ c" \) p) `& @' l$ B0 i. T{
+ d7 x# @) t# o5 H5 V* C- N9 i1 A "ISBN": "987-30-3652-5130-82",
{+ I+ w7 o& O7 _8 h "Type": "CD",3 x6 H: x& R* L* l: U( T+ c
"Author": "Nirvana",
# S- U( \1 J5 Q6 ~6 i. ~; H N "Title": "Nevermind",
$ V; y% H$ f& ~3 [9 |) f- ?( Z "Genre": "Grunge",
" y4 c7 s8 W2 l: R) B" c5 F "Releasedate": "1991.09.24",3 x, I$ o$ t3 ^
"Tracklist": [
4 H6 F! D9 ]9 ^& B) C' Y1 j {" v) U2 Y8 I+ L, Y
"Track" : "1",
9 q+ l6 j7 T4 W7 P$ D0 k "Title" : "Smells like teen spirit",/ {& k2 k/ w# T+ q
"Length" : "5:02"! y' a8 ?4 D; j' w
},
' _5 T9 n: F3 m6 A% v" y8 a {( i& ^" F- ^, [! h3 M9 \
"Track" : "2",
5 k. a8 w s1 c% C7 d3 A& T, I, ] "Title" : "In Bloom",3 M" G, v+ |1 O& e! A; V3 o
"Length" : "4:15"
6 \3 X- i/ |# a8 C' y }1 `, M' I( H8 J+ i8 Z; P
]8 f. v6 Z2 F; y
}
o1 S, H7 _6 i7 Q$ `" a$ M4 {
* T0 a! T' ^9 S% a{
; x& C, b: @+ Q6 o7 F "ISBN": "987-1-4302-3051-9",
: K; C% j9 B/ Z, L" P+ n "Type": "Book",
' y& I- z3 n) M( k0 e8 r7 H" ] "Title": "Definite Guide to MongoDB: The NoSQL Database",
- |& H# w X* [* [5 y& [. p "Publisher": "Apress",
5 i; v8 y3 x) \ "Author": " Eelco Plugge",
d6 g0 e% }4 Z1 _ "Releasedate": "2011.06.09"
% K" p, K0 t- z6 y# X} s3 B6 L8 N$ C/ D5 `
* a: r3 n5 [) R0 t& K9 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。
# B6 f, d1 X+ E3 W7 G5 y, o+ b3 \
" C! q0 i$ o7 Y" r8 h2 x0 J 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。
, U2 }. H' T4 a* d% E' a. E3 l
5 b% s9 N' `! Z1 I" q, e+ M 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。8 d w" K3 q" _
# W* j; o' W7 O2 w( x
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。
5 v% A: Z' ]! J1 p' N3 O
6 n3 E9 U; z2 a) M3 A* K& E) h 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 N+ W d+ A4 }5 }, K! C% m( L# m0 s- D9 q( z& g
Chunks
% N' m# C5 }6 R( `- g! g# T5 L8 Z
3 ^- R3 F0 f; q* J) \& J, V' m 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。4 P% e! u4 w0 F0 \0 u
3 O" k$ ^. n- ~" G" }
. Y2 r* u4 O: J图1-2 chunk的三元组
% M5 \1 k: B& c$ w9 }7 ]% K; V& `9 T/ B+ y1 y! [+ w
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。0 |, f1 B! {; y
/ G0 U- o! J8 Z- `8 M 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。
# T- ~+ s0 F' f% ?- d
" f: M/ X, N: D& _ 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。0 @8 V1 Q& w* {* B! `7 S# W9 Z
8 D& V, M; D1 Z) t2 d
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。: d3 E/ O- R2 `3 |" T2 p
- ^) I& @1 n7 i: T* P+ D4 |
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。7 _ l; h" O2 e+ N. n
5 W6 I! f' _. O' X% M+ M" 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。
9 \% ]: b7 y$ x5 }6 T. w- r
) R7 I! Z ^5 j9 \! GReplica set
6 t3 J" J* t* [7 l; C8 k4 j - E( t. N6 ?+ v9 x; L; |
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。4 f! X6 [2 H; l0 w2 N: h6 R9 k
7 n9 P) o; s3 r2 N4 i4 g* p& p, ~$ p
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。
8 J& ?, B/ v% x p
" _# [ j- C& V5 K* x+ x 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。
/ C- Q! q& Y4 d- o$ I5 c4 ~8 k% q) a! F2 Y
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。
; l; o9 w, {% M8 A
u* q- r' m" k4 K$ CConfig Server
; {& s3 k# \' Q0 u$ K9 s' S, L 5 Q: f. \) [ V( r
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。
6 s( {9 S" v% G! U$ V! ~$ f3 o Y. y
2 }. W" B, q& h) r) D 每一个config server都包括了MongoDB中所有chunk的信息。
* s D7 v/ h6 W" ~" C/ U! U2 H3 I' S' B# ?/ Y
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。& f/ B$ n: ]8 k; Z4 i F
D6 k( O5 L+ K* G: b
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。
* n0 F9 g7 i1 p) L- [( U* V0 ^- D) x' K+ g& n% a- V6 Q
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。
2 y3 e$ u8 D+ t7 P
, x. c; a, e7 @Mongos
2 m% ?, O! w% q! c* U0 x3 V3 T7 h6 u3 a% `
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。5 V! g+ D6 R) [( {2 `$ p5 ~# E& {: x
' P0 M! |0 C. m/ J. s6 C0 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 F$ O- `6 H; ]& d. {" |. _6 F
! Z5 ]+ _5 l" U# n( m& T- d+ W1 Y
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。, }6 ^( X, n( L
7 _3 J% G. N) k; 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。
0 _0 p' _5 u8 ~* r0 a" m0 z6 M2 J
8 ~; U( l0 ~4 X6 ]: Q# p- 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。( n3 t: Q) ?5 J& G
$ k v, H7 C1 a. m5 P9 e
* [6 h% N/ p: e! P6 g* VReference，
# P* I6 ^# [) o: H! a
7 D# f* m- l& `[0] Architectural Overview
& Z, k+ ]) \9 w0 R2 y4 l7 Uhttp://www.mongodb.org/display/DOCS/Sharding+Introduction
# H7 p7 o Z4 | |
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。
