|
|
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。3 A7 L0 N5 P) b+ `" ]. `" a
0 i; a, j' ^8 \4 e7 ?$ x 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?
- ?! N$ m5 @' V9 ^$ i5 \9 M0 N* h$ l
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。
2 h" |0 p, s0 ?$ [9 Q
& j J" ~8 ^; j2 {+ x' q
$ z! x# W2 P7 O) `/ L: V7 S
# n% }9 A/ B# |2 P0 u; n5 s- D, {图1-1 MongoDB架构图 * ?/ y i B: |& |/ C3 v( f
- ?& V$ W- b8 _- ^, D 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)。
% n/ ~: n5 O! s/ I0 M: ~ F5 ?& `1 i" Z8 N% u0 ]+ s: p) _
Shards
0 h8 n9 e; E; R7 c, W8 O+ Y, G2 V( u# ~7 u/ g7 Z8 L
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。. Q k) ?* F8 Z1 M, ^, n. A1 B
, A9 q# q8 ^( Z) G- e+ L
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)。
3 g e# e$ [- @+ |' w* m& i- o' O& _: G3 c
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。
1 Q8 W5 \4 l+ H* i5 t; d) |# O# }0 Q9 d! c8 l4 Z: S% r
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。" Z! Z3 s- @* \1 M% j
. T$ I" s6 R" H" Q& N0 CShard keys& x" j& I+ q# t) O, H
' G1 I( h) h- P r1 h) 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。6 K! a3 W* `4 l& X2 Q% R' K
+ U7 C3 `+ U: k9 D
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,, d# e9 k7 L0 F, n+ w3 k
0 b: F7 d( O2 r5 K, _9 v: D; u{+ H! }5 m9 _* ?! p
"ISBN": "987-30-3652-5130-82",$ k* Q6 c' u% ?, U3 M% M
"Type": "CD",
$ z# I% o9 \0 R* G# i "Author": "Nirvana",
! y; F' w+ \: A- r* ^4 Q7 t "Title": "Nevermind",: _5 w: ^0 n1 Y6 G
"Genre": "Grunge",
6 l# A, t1 v$ Q "Releasedate": "1991.09.24",
3 c0 p1 O8 c* R8 O "Tracklist": [. T$ @: a$ o# X; k$ u0 i3 F* `
{
7 A+ R3 {# D& q K! q0 P+ v- w "Track" : "1",* v& d' R Q' f0 L" K9 s
"Title" : "Smells like teen spirit",& X5 s2 [5 d2 v5 B- P! t; x$ p, ^( Z
"Length" : "5:02"
( F( |) u# d5 k2 ~4 e! x& d },
; Q- E% X4 e" D2 s! B) h/ b {: ^" n; u* f! }3 b$ Y0 e
"Track" : "2",7 q0 ~- x8 Y& a* I) l
"Title" : "In Bloom",
$ _' d4 E1 d) f3 G% b1 e "Length" : "4:15"
5 _; C8 I8 o: x' _1 X# m, _" b }
7 U. t# c. E2 @/ L1 Q4 R# P ]; T0 n }, i8 ^5 d" a/ z9 K" ^! ^
}
* b3 O: T4 v& r
8 U) ]- `/ [) ?" L{, r/ G9 Y. t6 V& @7 l2 y$ q
"ISBN": "987-1-4302-3051-9",
# R' m* l! V+ M# t& |( _7 p' ?9 m "Type": "Book",
- Q* N- M2 F- ?# s7 Z/ P& n "Title": "Definite Guide to MongoDB: The NoSQL Database",; M8 v* u# [) V6 L- d+ \* j- t
"Publisher": "Apress",
, x: ^# k4 K: Q% O: o0 p3 z "Author": " Eelco Plugge",% V# o( s _ w# u( V
"Releasedate": "2011.06.09"$ g6 h) b f. o( Z8 ?
}
( a4 C0 V: Q3 i. P: Z$ O+ F/ x7 N- {% r+ J8 S
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。5 K) g6 t# d0 ^( U* \
, Z& w q) q8 A5 w8 k2 D5 K 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。% X! x: y: u. @3 T* `% @7 w. [; P
( ]- v4 I5 j4 A8 a3 N9 q 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。) v$ f+ _: s' m& }+ j
4 X f$ C* \) |7 o! C ?! a
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。
4 m: S* r/ O% _
% }! m- u" R. P) e. M$ 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”。$ k* I, M3 l- S# w2 G
_( f1 y. Z% i% I/ Q% P
Chunks
% h9 A. U5 q. W# s: h. k6 o
2 s3 ?! w: W* E# y, o3 @& ?( H' 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。
9 k* `/ w( L1 {
( i# m5 B5 W1 r( s9 K: P7 }
( j+ m6 S: O, W& s, X& [
图1-2 chunk的三元组 " y3 h" B" U: r% \7 D( d
* q8 p- X; w, H2 J3 {5 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。0 [+ I4 b' b$ [9 g1 w D2 v& _
4 `' c1 x1 n( ~% |2 Q
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。. g; G ~) f* G' M0 K, I& C3 |
' S0 E% `* h# Y& V) I( h
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。
( M5 L- I: n9 H E: t
8 `0 J& X% F7 Z# r) H# ?/ Z 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。
- Q8 [ j1 _ G+ h/ X! z$ k" p, [' p$ X; n: \. |+ X/ u
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+ s; [4 o. Y+ E/ l: U0 ?/ E8 s+ ]
( @ y0 U0 s. a* r; Q 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。
3 _5 D+ ~) ]3 {( F) H9 c
! p% ?/ [5 L c$ z2 l2 i5 ^- LReplica set
2 O# ^ w) {# s7 m7 Y3 G
6 t+ P) X0 R& c' a- \ 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。0 L. d: V3 y0 z
( Q$ z l2 s! N, O- B9 B" A
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。( D: L- O0 i: b
6 c& U! O8 a. z& @
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。& x$ ]4 S- n: I+ q
) `( q3 H" I, U& W" G7 g+ h8 L
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。9 a( p6 y# P! q2 \' Z
/ C$ R P$ ^ U
Config Server
, ]1 d3 W: g# \9 ~
5 s) U9 G4 q6 n& L8 X 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。! J7 V; q4 Y0 }; g
9 n5 D+ l( F* X; V
每一个config server都包括了MongoDB中所有chunk的信息。
, j' {5 `* V% [/ `( B
4 |8 m3 G; ]2 {9 j: ? Z 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。
2 L2 u- Y# {7 v2 v0 `$ N) K' ^3 Q+ T' k
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。' |+ \/ P1 M b# X' `9 s4 s
9 U# R8 e& W$ ]1 Q1 ~$ d- H
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。
: o3 ]$ |$ d5 f( \6 W4 Y
# o' x- C* Y; {- x( Y HMongos& b/ Z8 e L4 i) P( ?. M& q
1 Q6 }* W# z% v7 H2 j2 c# y
用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。
7 _9 l( u( s6 v9 D9 b \8 C: {# i& ^2 X+ j1 K9 z; @$ l2 C
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。 z6 [+ a) q7 N7 d# r v: Q, h
0 @( `7 U$ U9 p l. V/ t; C+ ~$ A9 T 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。) K4 L) g) V. _8 j" B' Q7 l, p
* o1 P$ C- \( a: `" D8 G& o
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。
, {, n1 q* n9 P: g
5 I) H) _' P" u+ A) r) T: c0 r/ O( w 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。
! R. x( m; j" t& P% r: S4 S
% q o4 d0 r( D
: M1 Y, u1 ~+ x b2 `) a+ bReference,
, N! r3 V" X0 E4 A. r( W+ M, m9 Z! }1 s* w) X% {+ K# [
[0] Architectural Overview
7 e4 M& o; I$ S/ nhttp://www.mongodb.org/display/DOCS/Sharding+Introduction1 _# \/ S) l y) \
|
评分
-
查看全部评分
|