|
|
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。# s- P$ q3 @& S) D9 u9 s
' I, S$ p1 M/ t2 s
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？
! z( H' Y2 |2 D/ l7 c, U" P7 K6 M% i* t6 r: ^
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。
' A* X2 @: F+ o8 }4 b! l
?1 ^5 o$ l, Y2 V t1 d9 @
7 W, J" w) E! x& K4 f- F. s$ _
% y8 H- e% ~4 i, j5 l6 G/ V2 ^图1-1 MongoDB架构图
1 T: q0 k; t* A( Q l( c- V7 S3 X) h/ s8 N) ?" N
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）。8 v+ b2 r1 Y- j: K% J
3 l9 }( Q$ B& s7 ~8 H, b+ D/ ^$ T
Shards# V" a" C% ?! A* ^
% z% K/ ?! y9 S/ [. s6 i, a 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。# l+ J( \! W1 ^4 ]' b
3 c @- s: B, j$ \/ N
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）。/ V7 v M6 J) N0 q& Z3 |
- t4 D; f( ]/ h* l% U4 z
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。
" g7 [8 ], ?$ o, d$ _/ j% [& @ p. e) W& b! V' `
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。$ t1 q3 ^3 ]. Z
0 e; S, g- X- i
Shard keys
, j; n2 W; `4 |( u. V0 K6 m
! i5 X7 y+ D4 j7 \9 ?3 y 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。
0 |6 t4 |1 C) m. E- }; O9 v& v3 E8 m! B4 H* x% Z! R; 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，2 I3 z3 o" Z1 _' B# G" J
8 n5 x- ~ G( m9 p
{
, [- n( K" t' ]! \. c "ISBN": "987-30-3652-5130-82",' Z6 B7 B% s% g4 [/ D
"Type": "CD",0 T( q: ]2 q3 N4 N: Q
"Author": "Nirvana",: k E5 t5 b* `/ r/ P
"Title": "Nevermind",
. Z0 y' a4 [2 W. ?% ^5 H "Genre": "Grunge",) r/ Z: f; t# y2 j& \5 Y4 c4 P) }/ t
"Releasedate": "1991.09.24",% S2 y5 L1 z7 i7 P
"Tracklist": [4 I- w7 y' _% o
{3 I8 q0 C. t8 S; [# k
"Track" : "1",
0 W7 r. G" n/ y0 c1 }) c; S4 |* v "Title" : "Smells like teen spirit",
" a T v( a, M; a6 l: j "Length" : "5:02"
$ m3 u. _/ Y. D( N( G4 S }," G/ _0 x# s5 h% x
{
' a. G* n3 U0 y! v0 ^) C) ? "Track" : "2",) Z, M9 H. T. L2 `5 G
"Title" : "In Bloom",
" t6 s9 M% l% o1 Q: _ "Length" : "4:15"
4 Y( n# L3 g' u! F6 ~ }
: N6 O0 {4 n/ t) a( ? ]
5 l. R9 q) O( k$ ]8 f0 B}
! F: `# ?0 W& |, F
' x! x$ D& K8 d3 N- D% v{; J5 v7 S# T# Z0 S
"ISBN": "987-1-4302-3051-9",0 [: ]/ @7 t4 U1 Q; ]/ N% v
"Type": "Book",* ^9 U, ^- \. P; [* }% e
"Title": "Definite Guide to MongoDB: The NoSQL Database",
+ o$ d3 o& `* e! ] "Publisher": "Apress",7 `% [1 E& j" d/ Q
"Author": " Eelco Plugge",
' ?% ~ D- ` c/ N& T "Releasedate": "2011.06.09"
5 E& e7 C, [% b& s& Y( }" s}
4 Y) ~5 H- g+ G+ u; P
! t/ u- E8 B! Y 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。
7 x! u S+ I P) V; N, e1 r4 j# ^& [5 p) k% R
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。
4 y% ?& {$ t0 M$ K8 y+ j W7 _% f0 J8 w, \* I0 _
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 y+ |% ^2 M5 K
: r* j! ^4 a* c+ e
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。; L \& k& B# L" d" G
# d/ m/ ]* e, b% |# N1 b 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”。
! O% c6 n; S$ @3 Y# ~/ ] G5 F6 D7 ~3 @. c3 y! w3 o& r. U
Chunks7 }6 h7 V: A8 b" a b2 C
U; H- L9 i/ \1 G
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。
! Z; K* n3 |9 k
, L3 V8 `# z' P/ X! _% y
, `; }5 d. f% a5 d" v图1-2 chunk的三元组 7 L z- R( E3 @# E7 O" O! W
7 s9 N/ j' l l
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" U4 T9 i. q* ]
* y& b; O- J3 i: ~; s9 [6 ] C/ 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。
. u5 ^" e) y+ A& g; q" d
: X6 O4 Z) Z+ F. ^ 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。/ O6 J9 F" o7 V( L% b: z1 e7 l
1 Y0 U5 W# T# W
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。
# b; w2 P; Q* [/ M0 y$ `" B- K! Q4 @8 f/ g x4 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。% W. O a( v: L3 H
/ c: {' E" e7 U4 i7 D2 L* k 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。 @ `% R* z4 D. D1 y1 Q
/ D: f3 V4 c7 G5 p' M; i0 dReplica set6 Q9 [! ~1 h, s% O. b
! \ ~5 H2 s( f2 o" d0 o* D
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。
, @9 p8 w X3 k( j" t
7 g8 k4 X2 I8 V, ~2 S: 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。
, p* e, C4 F6 V$ x1 I$ }- {3 c- X A7 K8 Q5 I# w4 h4 H9 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。+ j6 U! h0 C* d0 Q; r
2 r( X- X$ n- O' w9 |$ V7 m
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。
& f7 S* A* J3 D, p
2 X! e* O( O; q9 ~ I& Q) s+ ]Config Server$ R8 A0 K; g- X& Z7 J8 y
* y/ a L1 \% t 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。7 q4 E2 v- I( p6 D0 G) K
! c* [$ K6 f& j7 c, A) o2 o
每一个config server都包括了MongoDB中所有chunk的信息。0 [; m+ m' P x
0 O" H2 c. h' d. {: Z) i 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 ^* O( l# _8 |* z% x/ F, k i
3 @+ v/ ]( b$ 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。* h+ B, ^2 Y3 @+ x+ p
1 v' j: h* ?( u' c5 C `2 G2 l
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。
$ N# P; E1 X! K& c9 }" L: ^5 ~. I! R! O4 K. E$ l5 k2 T
Mongos
4 d( ^, C0 t7 F x
) d4 \0 V& z5 F8 y2 n$ i) H# ^! I5 B 用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
$ B) ^$ T2 D" t* [5 [1 r5 W1 U: [- Q1 P1 k' _
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。! ?5 D9 U0 o9 q% |- V/ f8 { B
& c/ g# F: t2 f! s
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。
$ n/ y( A, O/ L
/ e- B3 r8 ? W* L) j 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。
) u9 z/ C. y3 H) ^% s
* g/ @1 L( p( }- e8 i 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。% m0 g/ ?) |4 S
' C9 A! K, j; T4 q
. R0 `/ q! U* K$ i: K; }' W" p" u# a0 yReference，
: @/ G. y: v& E. r/ J) K/ j4 N0 B; ?$ ~6 t0 U
[0] Architectural Overview @; j4 ^' k2 {) I/ z- B C
http://www.mongodb.org/display/DOCS/Sharding+Introduction
1 |) I, O9 i$ ^) M. T |
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。
: T6 K% y* C; W) v