|
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。- G* a* ~$ T2 I$ \1 B' b+ j
. O, }7 g/ Q% @! ~
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?
0 J* e% h0 p4 W+ ^* j0 }' B* I6 y" g7 ~% d, S
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。; u9 B2 V, R1 u
4 F$ D" B' B& F1 y! k: R
, }$ |) i# L$ e9 M9 }9 {
+ ^4 V3 S, g/ f- {图1-1 MongoDB架构图 5 H' o0 O% B& e2 Q8 K/ S9 \* j
6 {$ l/ k0 b' @
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)。 s# w/ }$ Y" O; o
% h+ ]3 t- b% u* ~' L
Shards/ z+ i% A7 }9 X* F. u O
9 p2 @" z# O6 ? 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。
) B5 i3 K: V1 H0 v5 i& @) `
' M& k' H: T. }2 D" ?% L- E7 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)。
' j9 N' v8 R( X6 O
# r9 j. F& A* ~6 q, }9 m 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 O. }2 D$ A( x( y* ^0 l
$ G3 Q* b K2 ~4 f
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。- k8 m) t: h. j- B, `$ u4 c
" x+ v: h3 D6 [1 Q
Shard keys
8 s" G$ D1 G; l) \. T" k
$ l. p, o/ |8 @/ V- h" d$ v 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。
' c1 v; ]# e4 w
% f2 p! H% i; Y/ Q" c 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,- Z1 q* g" E7 ^% e3 t& j
& @. y- K! Y- Y: [! i( |
{
( z# X8 f# v- ^1 M' q "ISBN": "987-30-3652-5130-82",- L1 Y4 l! W. h+ |: s6 e
"Type": "CD",
: v8 V3 w: t9 C, [" Y+ B' V; g "Author": "Nirvana",2 Y5 x% b( Z! n- ~' [/ K
"Title": "Nevermind",6 V$ I; l# M) R" f% s% B
"Genre": "Grunge",1 W8 W1 O' V1 B% i( b! M4 V
"Releasedate": "1991.09.24",. A; k( d7 | U& O1 L9 |8 W
"Tracklist": [
4 x9 ], n+ m9 `3 {8 ^- q# S {
M) U+ e, i7 w+ u "Track" : "1",
1 J6 g y* A" _; x( K, o6 }5 D "Title" : "Smells like teen spirit",
, E# ?' r+ {9 f$ u+ R2 c: P "Length" : "5:02"
3 g0 L5 b$ L8 J },
2 B* w: Y" M" k. j4 t* Z. h {5 E ]( O4 E0 {4 p7 ^( y
"Track" : "2",0 |" K( ~2 W2 K
"Title" : "In Bloom",3 X# r. _0 i. P1 c
"Length" : "4:15"
/ B# H9 N' e( W* @+ Y }
$ q+ \( N0 J' z8 c; V9 v! E ]
* Q$ b4 |% Y, ~; B* P2 v3 a' T5 f}
G, L, {: K2 C0 H- }% v; ]; `: U/ y3 N5 s' w2 c/ o( g2 g
{/ F. L4 w' A: h+ B' ^# [
"ISBN": "987-1-4302-3051-9",# Z5 q/ ^5 z' q, {# r
"Type": "Book",
8 V6 D6 \& z. E; ] "Title": "Definite Guide to MongoDB: The NoSQL Database",
, c' P7 \5 n4 B0 S+ x/ k2 p "Publisher": "Apress",
5 Y8 ?1 B; ]* h5 j! ? "Author": " Eelco Plugge",# V4 v8 O% X! }2 A' b' a
"Releasedate": "2011.06.09") L) Z6 t; ~- P+ F( O
}- ]% q% D% \5 |$ d% E
2 o, G- n8 Z5 o
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。# Z4 l- V! K5 W; N( S% |- n* @
t( N5 b: F1 M: ^- q3 W2 y; @' q 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。% u% x) i+ ?! K& F
/ b+ w) r$ r! f 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。! B- Z' d$ H- ~) J0 {
5 D4 ]7 B+ l$ I8 }8 J 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。
8 ]0 \: h" q0 p0 Z+ H5 L, s' t. [! t5 `; v" y
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”。( ]* O5 D+ I! ?4 F% @1 p7 }, ^
1 o8 q- y" k: A N
Chunks
/ r! o* \7 A" t" \ " n: E+ H$ `" z# `# L( W
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。. v1 F" Q" k8 s7 q+ N! r% g
- B/ q3 c0 k/ H; [+ g7 ~
' h* u2 ^* t6 p0 g图1-2 chunk的三元组
r# y, ^' B* X3 r4 n4 B) C+ r; K* E9 H" k! m* ]
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。
3 c- }% M) m8 m! c; c( R
' H1 s7 Y3 i! N6 j+ [ 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。
3 D1 a0 y% Z0 P* A2 X6 ` h1 ]0 q( [2 [% A0 z# B1 U
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。, ?; E) O3 V3 R2 b5 i2 U5 z' g
3 O, C% j6 q* x5 U 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。
! x% |; w r! ~/ Y; u& F% d [& F
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。8 s; D+ s6 A! q
- m: k9 H# J8 j% o, h u% e
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。
' {! d; K7 d* y8 w
& ?, Q0 a# P# KReplica set3 B% c$ T3 X' I2 f3 l
2 Z/ A( |. x& d% n; q# r
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 d3 {4 q5 Z1 t; W1 i) ?4 N8 s) [9 y" s# _! q
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。2 f$ l9 W# |9 u7 z+ r# d' u2 H! p- `! s
) E9 a1 Q1 l$ `+ j4 m9 l 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。
' d R U5 l' h; g+ i- c& o6 @7 N% ^( O; u7 k( t5 {
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。" L9 O7 c% b! B% z# {( n0 P
/ Z; K0 w* x. p& OConfig Server% h" X. _- T% ^* W6 x, l
1 s8 i% I' Z" I2 m( n: p9 |8 i
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。
3 a* I+ Y$ _/ ~) ^9 h
f! f' w( |7 V6 @2 _2 o F 每一个config server都包括了MongoDB中所有chunk的信息。; {3 E+ V) C+ {% T$ X, W: W
4 T8 d7 w; w) `) G9 x 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。
; P$ u5 h3 L; v3 |( H$ j3 \2 M' F% K$ `4 B1 V, A# P/ q: P% X$ q
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。
. E \ b( k4 }9 f- B) \/ V$ |2 s6 R5 U( Y+ ~8 D+ \/ O8 x
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。
, D3 F7 A% x% J2 @( Z0 d; \0 [
, t: g: @4 ^1 q$ s0 r2 V& NMongos- p0 a3 p5 ~& B0 U+ a
# b( \3 n1 u5 l9 T! l' v5 Z
用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。0 Y! [7 e, |( v
' N6 C' P {( n# y: z* `/ A
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 H) y) A/ D: J4 U4 U8 E. O1 x5 D8 K/ d. V- l5 B) \: 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。
) ]) @" h. v, M0 Y3 u1 ~, s8 R1 S# |3 F- ^+ i' C
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。/ [9 k+ P" G% _8 E* S! i8 \
) p5 ?7 g, _4 }2 Q
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。
- b7 p: S# v. W/ `# J
9 P1 z6 @6 I. ?4 ]( J
! g# e. v* b) @5 C" r- A6 sReference,2 r8 R0 b/ y! E* U4 C3 n1 q
, ]5 @9 _3 o2 }" Z! f[0] Architectural Overview" Z3 r" S0 j% M1 U" v
http://www.mongodb.org/display/DOCS/Sharding+Introduction5 I( E+ l6 \( G, F0 w
|
评分
-
查看全部评分
|