|
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。
$ _" E5 [& ?, W* n$ t3 _& d
w3 Q: y. ~2 h/ M \1 q) O" f 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?% r# v8 E- R+ J! V
( j# n: {1 a# p! y Q6 ]: l; F
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。
4 V$ }& W% E" O3 o( K. I
/ [, B3 ?% c) Q& Z" F
& ^$ \& e( n6 c( Y4 `7 o
: x$ Q: `" a/ j9 M" K
图1-1 MongoDB架构图
+ B+ t" L5 S' v2 v! d/ _6 d* C3 R1 ~
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 [, f! a* ^, r$ L
; A/ [8 a K6 z, R! o" Q! Y
Shards+ J, s y. y5 s9 B9 O
# u5 g6 j$ O: t
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。
/ m" @$ h& z1 A# T: L( O& z1 \5 X7 e! p% Y$ E3 {3 I
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)。
7 T% N! e. ^4 e3 |. }. U! y+ K8 ]2 q
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。; P. {% N/ e% h$ t2 X
9 v: [5 f7 i c7 |9 t2 S 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。
) G' s6 t" X: O6 i6 _" P
4 L) O3 ]: W3 ~! lShard keys: |: @; O$ L/ J( h- z( c
) R) f5 }2 e( u1 `& O! 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 R7 w& R1 U! U b( f
) D& p4 U4 X' ~ ^$ n! K
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,
- w0 `3 ^, w) J- ~/ _* D" V' t4 J7 N8 J2 T
{$ @+ f; r) g, {8 d% {
"ISBN": "987-30-3652-5130-82",
. @$ C( I" _$ W; V' ? "Type": "CD",
4 Q- a( A6 z% x9 E "Author": "Nirvana",1 P; `& }* e8 _, a# x% R. p4 D
"Title": "Nevermind",
8 b3 R7 H" _" M" `9 E "Genre": "Grunge",
% k! g$ c6 b0 @ "Releasedate": "1991.09.24",7 |! B W+ r. L S( y
"Tracklist": [
. f. y9 f6 k$ W# i9 M9 J) v {
4 A5 i9 Z- p7 S& L; Y. X "Track" : "1",9 i( [) c: o" }* Q1 O" [& }$ o
"Title" : "Smells like teen spirit", y3 e% b$ j# a
"Length" : "5:02"2 i. R& E2 n3 N6 r
},6 E" n$ c/ O+ Q: @7 ]0 C& U+ w
{6 C5 p( c) F$ r% Q6 D$ O3 [
"Track" : "2",
7 V1 N, j3 H& x: v0 O "Title" : "In Bloom",
% o& n+ P5 X- c5 X M "Length" : "4:15"
6 }8 z% ^. r" o, K" Y" U: i }
4 {* G& j; D! H6 \2 |, W. F7 Y, T ]& T1 H, E1 r9 y4 |2 w- \
}
3 \& {$ h7 ]' C0 o2 x" v
$ o& } k6 P, `, H, C. |{
1 Z0 g0 J9 i4 i" y$ ^% n "ISBN": "987-1-4302-3051-9",0 R7 e" f. U# r
"Type": "Book",/ x6 H; P% |! Y @: e
"Title": "Definite Guide to MongoDB: The NoSQL Database",! A) U8 j# M. W
"Publisher": "Apress",
+ \6 O) E4 S- }/ C "Author": " Eelco Plugge",# z) p1 M; y. N# G$ c
"Releasedate": "2011.06.09"
( r$ y! Q1 a! r5 I}- q5 m C. o8 h/ J/ C' I, T; B5 C8 v
4 w3 D2 E% v& v; f- L- g
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。/ _# ]* l( W9 x3 x9 |
9 _! }1 ~3 O8 E" @$ K" w 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。
) z8 V5 |, b" t) U. y5 {! T' d: A- v; f8 D# q- U. Z, R2 r3 Y
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。" j- v; ~' C$ G' N ~! P
8 w4 P$ U f3 d5 D
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 T3 j' Y7 a) a( U: D2 d8 C& c! q: J: W9 S
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”。
0 r" S" l; W3 t8 z! a9 N- M- n3 n3 z' X. o: O" z
Chunks2 Q! _- C& v" V* F
) ~! X4 H: V1 {7 F7 C/ W+ 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。
) j: O- e4 Y5 I; g, X2 n
3 k3 H9 N- Q1 W& ]: O" W+ C- e
( Z5 e4 A$ u: I图1-2 chunk的三元组 % E6 e |: ?8 B0 s+ \2 Q. X/ @
2 }; M( w$ G9 e, L4 G0 _ 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。
8 r: O/ P: c' f" O1 |4 J3 x8 \. E' o5 u
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。
! o' G @: ]1 H D ?5 k( @% I3 O5 ?' Y$ ?' p
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。6 L. T- `' J: K- h* r; z7 m
+ x2 Y1 u2 _- H- O
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。$ ?& ^6 d: H/ _0 I. |
3 g' y5 m' Y- n; C( y* K- Q$ P; l
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。
+ G( W6 i: w+ P8 I7 O' s# y1 J! Y/ P" N, R) `' R; @; P( 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。
* l3 |$ u) Z$ f" V, i. T& q0 o& f' B
9 k5 v7 L, i- J* EReplica set
4 [" h" V2 d+ X9 l7 b
1 b% N% q- Q& Q; ?5 t2 s4 }1 E! X 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。
2 X' r; l/ B# X L
B( H4 E5 {( ]7 ~ 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。- w6 |, i; g' e
- X" A2 m* h, G; a, n) y/ w
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。
$ ~& V. ]5 Q0 h1 r/ ]4 V8 u- c" m5 e Z; X' v$ c4 a$ E
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。
, E h; F* S1 A R& G% M1 o2 s
2 H: X- \ k1 X1 g9 V/ G" bConfig Server
/ o9 O3 O/ x) b- x! Z% k * Y P; M! C, o4 z
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。+ r4 c+ H* n* P7 _( C3 H
; `' _. z# ]. h0 _0 l5 Y
每一个config server都包括了MongoDB中所有chunk的信息。8 V+ K. z2 G" s0 q9 h% W
: J: R- w0 c7 S1 i# f! e9 k" B 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。
$ j/ }1 ], g6 f) {* B
1 o. G) o) f4 q9 Z 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。! S% p& J9 E0 g$ d0 `5 u, E: ?
7 ]2 T9 L; I, S: E
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。
4 K4 E' W+ @2 z2 D+ E) ?1 p& L0 d2 |; ?6 A' \- W: I7 h; }+ P
Mongos
4 x4 m+ o8 u9 H' L9 \1 \/ \2 r7 G9 g6 f- ~' S
用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。, n; \' k, v6 g" |
! l2 a! F' g+ g( s7 G* y1 m- C O& 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。, X6 t3 P! ^# D9 U, l8 [
* E/ K* P& u' U/ `7 R
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。# |- K' y; v2 ^
7 [- S% ~: [0 _- B9 x, Q 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。8 K2 j% h+ V! l# X
" N. ?( z2 y# d0 {3 E' E
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。% E1 b2 |+ ^+ v, K. j
# J# h* }- Y$ {. c! t( P
( b h# c' X/ y" ]/ PReference,
+ }& a7 _/ j; z! b% T, G6 ], U) V! c2 y/ H
[0] Architectural Overview/ p7 a) r9 _& d8 F+ }
http://www.mongodb.org/display/DOCS/Sharding+Introduction5 x& |- V8 u5 C: O
|
评分
-
查看全部评分
|