|
|
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。0 u1 \" @& |" i1 U5 c
8 p+ `$ r8 h! E& 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？
" x9 ~ V" \, i5 D8 f0 z
0 H) ?2 [$ L/ 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。7 h* Y% F* o. d* _+ o
3 `9 X9 F/ i/ H) v- I0 X
. u" r @7 Y* r2 U
! U# Y) s' k8 M* }' H
图1-1 MongoDB架构图
1 n0 X5 P3 F8 \) E! }* u0 q, [- T' u
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）。
, T7 E1 ~$ _. F3 W Y3 B" v r3 h
9 X% C4 J0 Y- s1 ^( m4 Z7 g% f) DShards% H7 Z5 X* R/ g) [6 Y
, E F: |% Q0 k# T" K5 z: V3 } 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。
( R6 T3 @: H5 q1 T. v4 D0 I
' Q. T) {$ a x |# s1 e 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）。8 \4 R" t3 O- v/ r* R
$ N) F1 r' C9 E; j" 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。
; y3 x/ b) f/ ?3 N% k( r
0 s& E8 H- v* d/ M, ^: 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。+ Q+ q5 J/ W" J$ l7 G: s6 k1 \8 `5 D
[7 N7 w+ x# X; F4 gShard keys
7 t p0 n7 x3 P% U+ H) I7 ]7 X# _' N
7 q. ]) c5 y: I: y/ ^' c 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。* l! f2 e/ l% K1 z; X
) K+ X& O( P2 S B2 r- 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，" A2 a: }$ ]) e; G$ A) r
6 W& c8 g5 W" E t; R* o0 i# I{6 x. W0 J# b* s* L, ~: }
"ISBN": "987-30-3652-5130-82",
* \$ c' h6 j2 h* t "Type": "CD",
4 b+ Z( l* E, S' L& N: p "Author": "Nirvana",
2 E& A0 I8 S8 l6 G "Title": "Nevermind", A) P0 J: C# ~7 t$ B, v$ |: w5 \
"Genre": "Grunge",
1 C3 h& A# P" @9 ` "Releasedate": "1991.09.24",
0 e$ |7 g# j2 j; @/ M7 |/ \7 v+ \ "Tracklist": [
' B' n; D3 a$ i# ]. {. g {6 {: q5 O, D( Z
"Track" : "1",
- I9 [; T [* {+ H "Title" : "Smells like teen spirit",
# ~! |+ J1 M) v. Q* Y5 g) r "Length" : "5:02"
5 z3 c- P6 D9 H& j },
; e) z1 R. U" p: j- g, ]4 t {
; e! a) p& ~: R "Track" : "2",
/ z$ u! K( g8 b& t, | "Title" : "In Bloom",. ^- W6 Q$ ?: p4 Z3 f
"Length" : "4:15"' X- Q' ^, H( C
} k5 U% Y" |4 B- f1 U' z
]
4 [$ t- w' i% t: \. l% [}( L/ m- m5 x- E" y1 z0 C
4 F# }* n; j3 Q: D+ V+ h2 x
{; W" u, X! B; k/ m' `( l
"ISBN": "987-1-4302-3051-9",
/ ^' R+ L6 D& t0 F3 D "Type": "Book",3 O! S7 \, G3 p7 @3 g. h$ R. {
"Title": "Definite Guide to MongoDB: The NoSQL Database",
d. G# d6 c. Y' g/ c "Publisher": "Apress",
$ V& [9 Y0 m- A! x" A "Author": " Eelco Plugge",/ V8 A: g% U1 o2 n
"Releasedate": "2011.06.09"
5 D' H5 _3 V2 i, A! c! l}% ]. `4 E9 p+ l7 G0 w
/ i, u/ V% Y3 ^ B5 z; @% T 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。
" U7 I8 K4 m7 a3 \7 e
~# G7 H: P" i: y 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。8 s! Q1 C, w8 w& G3 L' t
' B8 v* W$ W* V$ o8 t
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。
d/ n* z4 c) @1 [% l! r3 o N2 Y- ]6 ]
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。7 U' D6 Q: g' F/ A( y
4 K( `5 X7 @3 e* B7 U 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”。, v5 G1 c$ ~( Z+ H, E A
# L$ o; ]) Y# l% wChunks
! ]: w ?# N$ ?/ A. q; l. R
5 b6 g6 P5 v4 e; H- C 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。
& ]& T5 A9 ~) h7 }" R+ Q$ W
% ?6 S$ c& ]* t* h6 b2 b
/ r W' d! _ b
图1-2 chunk的三元组 # z) z% O* d! p8 i% j3 }
4 G( V8 V8 L7 l0 [/ W* q4 t3 i
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。
2 C1 G1 V0 s( [; r7 Y* g H" W% h6 Q4 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。/ Y. [3 o* {( s; K) c, x
& _$ ?7 N9 o6 \4 K$ ^7 T
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。+ w2 c/ \/ h8 ]; v/ A# |
3 O6 M9 I7 N- |& 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。
* s6 @9 g- [% ~# J
2 D5 Y' m( p2 n) V6 p- N 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。- ~4 L% z: O1 {: y5 Z
X) x6 ^3 s) b& U+ P1 N# Y* Y 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。, f) @4 k/ I7 ^6 k* Y5 d( p4 U0 D. Y
/ h* V6 J) N6 ~4 s7 y
Replica set
. L+ ~$ ^( ~1 O6 Q: m
/ H0 i- F! L, w4 U8 k+ h$ Q& a( b. n 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 {$ h, ?& I5 r; C1 ~
9 U6 r. `2 z3 \1 A8 \
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。
, l/ ~! q m/ @
' x( d/ v3 Y2 ]2 O8 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。$ L6 v) K9 [3 p
6 y4 S2 p5 s* N: J; D7 O 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。 d8 A: u6 p) f# t
) Y8 z/ m+ K, K: z- @& I6 w: g
Config Server4 F/ D4 V' h8 J) b: X
9 F o/ s) f! G9 W! P- ]# 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。0 d/ a( z# e# s6 x
9 @' v% x' _' {$ D8 r 每一个config server都包括了MongoDB中所有chunk的信息。
/ Z9 Z7 D: F0 `3 k( W. R# K# S3 g( X" @ l7 e; s
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。
; L0 G1 `5 X# G( f3 e( d0 O7 s3 B4 c" l3 B+ d
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。
6 j: r% U+ s; m. [" i6 E; C6 D# ]% R
$ [9 h/ ^/ x L# O 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。1 n$ H" s Z! z6 n
7 r; Q# `7 H, H. N: z4 x3 G5 z
Mongos
* W( _. C$ n w# j8 q/ s. o' Q. n8 u7 _& A
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
: w; {2 }* q) \# [+ P, T% b+ z2 _7 I* e6 K8 e8 o ]7 O
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。
3 g# O' f( Z! `- z
* k, c r; ]* P/ L' x5 |. e6 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。
2 ~* j9 @9 _% f9 c* b( L% e- e' Y1 w! E/ p) F% F* z
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。
) f8 u) H S& h( n( N! c) D
; {2 n( x' W: W/ J) j 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。; n) T8 v7 F4 I5 }
# Z u7 H+ y- ^1 D. G
9 s3 v; A( e6 ^4 X0 ]Reference，
# y( { s0 m3 O
; [9 [- u# b9 U) m( ]! l[0] Architectural Overview( T7 c5 D V- n) I, C0 }* y
http://www.mongodb.org/display/DOCS/Sharding+Introduction/ g% a& z! j2 o) n* s9 b9 E
|
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。
