|
|
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 e- x% s4 U7 k2 w
+ p5 Y) t: O- N2 F, [' Y9 }
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？
5 m" n1 w5 F& s& l; W. t& p5 c- S& W, P9 s( M
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。
" [* T( h: ^% o3 _
3 B8 R0 m% K! Z% _
/ e: y' [& L$ V! L
! |; |, [( Z) n+ [+ R( J9 M7 _图1-1 MongoDB架构图 " h- W4 V E- k+ w5 G" j; ]) y
- m3 {: n# D1 f0 n: 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）。/ `2 ?( n& V0 u6 V- X' ?
- F) f2 F$ N, ]% K% @6 |! F% c
Shards
3 f& V( o# j' N1 d! \$ b5 a7 M1 ]' F9 h+ F2 j
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。/ }9 b* O Q+ Y H, c2 {
d w' u3 Z( ]! o- K6 \6 |- ` 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）。, v! l8 B! x8 n* s
; y; m6 d6 i+ C, S
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。; K# [0 R+ x4 k
( i" |3 P% G3 N 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. {. l7 M; E0 e. u8 H" j# M- J! G) G `) s- L. b: B% ~, v7 y6 u
Shard keys
2 }% T, J2 m f% ~/ e & [$ S& {1 c/ _8 D" O
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 k5 p7 G" _# ]1 J* r' J: b) Q
# n5 Z! R3 `/ p ^7 B 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，' R: @+ S* i/ @+ S
6 E& I( |7 V+ f: B, w$ N5 e3 T
{
; x" C$ y1 d7 C) v "ISBN": "987-30-3652-5130-82",8 a7 c. G; X; U9 i
"Type": "CD",+ [ y5 z) ?* G0 ?4 [
"Author": "Nirvana",# O2 p4 A0 h0 ?& F1 T
"Title": "Nevermind",
, M3 J! h, E5 ~ "Genre": "Grunge",
1 I+ k1 \# E$ w+ |: j' R "Releasedate": "1991.09.24",
" D/ Y# f( j" C7 c "Tracklist": [7 W* a7 ?. y. @* I- t
{! a$ M; d8 f+ X' \& `/ v
"Track" : "1",
7 t$ W. n7 l G4 ~2 c; ^/ x "Title" : "Smells like teen spirit",. n3 O# w( ?' }1 l
"Length" : "5:02"7 q% x0 m. Y# ?* [% `
},: t; P7 C/ O3 C0 l! J4 {' _! _
{
2 ?: F$ J5 W5 U# N3 e: F "Track" : "2",6 w; J* |3 K- x' ~) ^ _% |* _
"Title" : "In Bloom"," U/ c% q1 @& \- L
"Length" : "4:15"
) b, w2 W( p, s! A* [& N$ D: h }- N$ \7 \" p8 o' K. p2 i3 @$ a
]
: q8 y$ v7 B# O' z- n& \3 n}
; Y5 [4 g& }8 G! j" J
! T. Z; ^7 t) j, ]( f! @8 d{
& _5 c) b5 o9 J1 j "ISBN": "987-1-4302-3051-9",
+ Q' _' K3 T6 y) ]+ T "Type": "Book",+ T+ m% Y5 J3 U9 R2 e
"Title": "Definite Guide to MongoDB: The NoSQL Database",
; R- p5 |, A+ P. @. [4 d- t "Publisher": "Apress",
2 ?. X r- u! m. F8 T; P) i "Author": " Eelco Plugge"," d4 D( N; e' l' m8 S& S" M
"Releasedate": "2011.06.09"
, C, F! G: b% L# |}& G# A" L- ]% M3 O: I4 z
1 ?9 D8 Q- F( |9 |% V/ M! k 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。; k, k5 P# b# A+ |
; O4 B3 e, c1 X% i( H5 T0 ` 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。
- N8 L' h5 l3 \4 s: B1 D" z) b
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。1 I" b& \. q" O- z
7 t6 n2 O, d- |. Z, V, K+ O 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。& ^' A+ B" H& G; @2 @
# g- |' r1 H5 `7 O7 l9 ?6 X
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”。
) \' M& e/ s) `" b* N7 r2 u. {2 Y/ R: i" ?" K, P9 c5 D3 E9 I
Chunks
. }) e* O- c7 x8 ^1 j& x5 y
- i7 `; I! S! I0 c% @2 s 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。
8 r M' @) p- L! J6 ^4 _- z+ y/ y( @/ K5 I6 `0 a( V
7 }* M" h% h- ~; F8 `; b: C图1-2 chunk的三元组
, K& R* s) x- _" o7 z4 Z/ D J4 g# E" ~3 `6 q# T7 K N
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。. x; {( C3 O8 R
+ H- I, C( t# @ d
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。9 _' G2 L+ W" y: \; C, v, p0 C3 x: ?. B
" t% E: |4 ?' N+ N* f3 m 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。
! V5 e' R& V2 a) {. E+ T3 g; O" c* [1 H
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。
. e8 m( C5 O% u( E: G" m. v; b; L: A a% N: ^- q8 a$ ^8 c
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。
+ b4 f' L" F$ K; b" @; E: G2 [4 w! a8 A( B$ E: M, X. n& V
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+ r% ]5 k9 _
% n* {4 A: M' X, WReplica set: a% ~0 e* ~/ X) M, L4 b$ V
3 h5 y- v- e2 `4 h( K 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 \! @0 d! E, O* x1 U
4 F" T$ i1 U* V! z( E3 d* l8 ] 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。) B4 R7 Z& ]/ G! g' z
1 i# ] }( }7 |8 a5 D 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。- O, w* t6 @1 i2 `7 @
+ B* \. ~. V5 V8 D% ]1 Y2 u
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。
# M8 Q3 L1 y& w+ R
& j3 I8 n- h! d8 c1 D2 |2 fConfig Server7 [7 e9 I( j, T6 d* B3 n) L
( x+ |! d: p( S" W0 p% B, ^ 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。' a6 V! t6 i9 D- S6 A
# K1 f4 B1 u+ s9 ]5 }
每一个config server都包括了MongoDB中所有chunk的信息。
* q/ p4 `- v2 t# Q' } v9 F Y! [$ s5 x" B. k% V
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。
5 d4 q* H3 |+ G% ?8 w
7 A. x4 c4 S& I/ B! t6 o 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。1 u) H& o+ ?' d2 K5 C* d
4 b0 h4 _# E: N' X4 e9 e* d8 i 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。
! i0 |! K+ k* O! y
$ \4 B" L# t7 |& R; q$ D) T" b, x- NMongos
( S& d B. g0 ^% ~7 s: j+ e0 c7 e; M5 F2 c9 R! y; W3 _9 M. Q6 A
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。8 `# t# \& Q$ i* m: [ T4 f6 \
' r; J- \1 q+ `5 F
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。
1 @1 {! c# R; m6 z$ n1 Z# S! x2 k# A" [3 l7 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。& P. ?* y, ]0 J; W
& ]* N5 j# u+ z, H% S" 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。7 e4 j" F" e2 `5 X8 S5 I
! m9 x. R6 S8 v' d8 w5 @' T F" k6 s+ `
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。
9 o' c6 k4 h; y5 y
# k& k/ n7 i. S' T6 G: E1 ?3 p* Y- e( G
Reference，: m8 f2 M2 u) P: U9 {
) Z* x, E+ m/ T! c+ u
[0] Architectural Overview
' I! u7 v+ \3 h# I$ V; l2 `http://www.mongodb.org/display/DOCS/Sharding+Introduction
5 C4 z! x' o2 q2 L/ t* s |
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。
: a0 K/ p5 F" R