|
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。
2 [. Q. `& S0 a
6 G% ^1 m' x0 B: T3 R% [- K 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?+ m+ c. o# O' O" x
+ E% E$ p0 Z1 o: x" {( R# o
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。
' O1 F2 R" E w7 |& _* f9 m5 I$ a4 `( g. I0 L9 {% r
0 a) q3 U3 m# v- c
3 R6 n9 J* I2 x7 ]图1-1 MongoDB架构图 % e1 N8 O" e% Q. z) f }
0 R) J0 V. t7 h& o5 R" f/ t. A' J8 Z
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)。
! g5 I) S4 ^1 r- N
! P, y; }, B) yShards
5 R7 Q5 L, T- m6 X8 j' n3 x+ ^ t2 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。+ G+ ?5 J! H7 R1 f' [5 W I- S
; y1 S( I" h) \- S9 v+ c
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)。1 r4 W" E6 w& L E. T# M) i
) c: O2 z/ R C2 d4 |2 N" @0 X 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 [/ G1 l X6 C+ [5 ?
6 n4 O) C- W0 y
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。, \6 W+ u- U+ @, z
& G+ I9 A3 u, Q1 b) n+ i
Shard keys
f" ~6 ?; G/ ~( J& T1 V
9 b% m3 D, c9 B* d4 u# P 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。& E- Q6 y: g$ u7 J& @7 q) s
" l% `# E; p; @2 t; o1 H' E8 x' Q
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,
$ e( }& Q$ h9 w% u6 D6 }* o, Y' x6 m. |: Z+ e, b
{+ ?" T! k+ P& ]0 j
"ISBN": "987-30-3652-5130-82",
/ a, M# N0 Y1 L "Type": "CD",/ c# e0 O/ J; p+ B* {' |
"Author": "Nirvana",
R0 D6 A/ n; Y. \1 ?' g "Title": "Nevermind",* }: V( P8 s% M/ a7 k2 O# E
"Genre": "Grunge",( G; x! J( L* C- }1 E. F7 c
"Releasedate": "1991.09.24",' F3 r( b) f+ r7 b" C
"Tracklist": [
; X; ]2 o* X4 m5 h# N) F {2 X# s0 p7 P6 y9 Z
"Track" : "1",
! I( i2 r1 E1 L2 {* k9 d5 f5 \ "Title" : "Smells like teen spirit",7 @/ A1 @ T3 g* B
"Length" : "5:02"! v* Q, v" x" c7 Z. a5 i V
}," M# b6 e3 R7 o6 b, \' G3 B- m8 z
{
- j" U6 S" ?7 L "Track" : "2",
7 B2 ^1 [$ \8 I8 S3 F "Title" : "In Bloom",! P3 j: ]' y$ h/ P2 ~, M' O
"Length" : "4:15"! ^2 t" _7 W8 E' h
}- K3 }/ X; B4 c
]
/ u+ n3 O6 z" p; q! q}
4 U" @+ C8 ^4 s' K* D" a# s5 ~7 k% @
{% s9 Q1 r' K( B1 T2 j
"ISBN": "987-1-4302-3051-9",3 k3 N. C7 c+ W! M7 ^$ a
"Type": "Book",0 Z9 k5 f6 v7 `% Q3 S2 @" d
"Title": "Definite Guide to MongoDB: The NoSQL Database",) ?$ X9 s# p4 F, ~2 F4 l
"Publisher": "Apress",
5 H3 H: {/ b& v; ?) h: u$ o "Author": " Eelco Plugge",4 ]9 k4 g2 `! Q& y6 H+ ?/ b
"Releasedate": "2011.06.09"6 c* t9 m2 S2 o& r
}
' e$ o h, j+ ~2 w% h
2 W! c G$ M& m5 r% Z: _ 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。8 t4 Y" w! j z& w
% i2 w5 y$ U7 H" @3 U! ~ 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。& `5 L) C6 V( ~0 U4 `
% T( s9 p( y( ~1 v3 f' L 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。- P |' ?* t# w
! @- c: b0 K7 W4 Y 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。6 }, ?/ e, E" }! ~4 q: W& c# I9 I) _
2 C p) o8 o6 t3 g M) r" I& n
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”。$ f& B1 P' Q0 m5 B0 n- r- c- E
* C0 K& L/ {5 P d( E4 ?Chunks: A- ^, Z6 O) M( M
/ m% a6 M2 b+ u4 {
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。
. G3 x4 v: c% C0 p9 W
8 M( j6 }2 `5 G" ?# K; ]4 n
6 W* n1 T1 w2 O4 g9 ~: H, U图1-2 chunk的三元组
2 o6 n+ I4 H3 ~" K" _3 X; I" ~. I7 o, m9 k
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。5 I* @: n; a; B7 D/ m
0 Y4 C9 C& U' i6 Y 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。2 h7 k: i; [1 R' V9 r
* F( R* Q8 V, o; |
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。
& d3 m. v- b3 I
1 W! ?1 o2 }4 u* B- q2 J 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 G" U: W, P/ g( B7 w% f8 y7 J
/ A5 g2 Y) z( p3 ~- X# {: @2 D 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 g% |+ k7 I6 I% ^! o9 S
* A" c! d/ Z/ 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。: u$ ?5 C* U; ?8 O# O
" R: v9 u) {9 l1 D) U" w% {" j2 ^+ f* Z
Replica set, N. k6 r1 f% f+ i. n/ ?
/ M5 m- f# f2 x* `/ v2 {
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。% H1 v0 L0 j3 ~6 e, m
0 g7 r: R1 D1 A4 J: k
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。. I- t2 I+ e: |# O# s0 M( I
" }! m6 n+ g8 d% ]+ \: _# G4 ~+ s* s 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。
6 U, t8 ~5 k0 n+ H+ T* T1 M# C) D/ l9 a0 s4 M+ _3 K
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。9 z% N% }! V8 R7 A8 i7 I" p
: q) h) w' ?" y5 \- K7 |
Config Server. C6 v! w, {( V& `3 m
% T0 u1 c( O& p5 T0 M6 C8 n' c 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。
% }6 q6 h, L1 {: Z
& d# j5 N7 U7 B9 g, t# Z 每一个config server都包括了MongoDB中所有chunk的信息。
% @/ I* j4 P! m1 Y5 m# C3 z* u* u9 c5 f# ^; S7 E
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。
$ l. b( s! u6 K% B$ s6 z2 p* b" |4 ]
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。" V0 a& b; J, N, r, R' `9 i
- B; H2 F) r5 \
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。
$ s3 F, P, f& m/ a" o/ x! F8 ^+ u' U. z( ^4 G6 E
Mongos- T' w1 |0 C5 O2 I" W9 N, [
: N! ~5 S8 P0 b) c; s; r) M9 {) T
用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。4 w. v4 n9 I# x+ [$ }$ n4 |
5 A: u" e& w: ^9 _ 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。
; n- x; r) t: h4 ~) R
! ]* \1 Y, E2 y7 ^( A, U 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。
9 ^" o% h* E' m2 }( j
3 ~1 M9 ]: {3 K4 M9 V& T |+ ` 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。! ^' o/ u$ J$ R0 V* R& m8 Y7 x+ _
1 L) r" O% ]+ k6 I H1 f+ D 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。
' K9 u3 p' Q+ \ d R2 s" f
2 A+ H" K7 J8 Q' }5 N2 n0 Q8 L: l- c0 r, S
Reference,
6 U8 u5 \* M0 [, H& N3 f9 |
# J# G. n* j, u9 t1 t[0] Architectural Overview
" a* m8 h! {% s* ^http://www.mongodb.org/display/DOCS/Sharding+Introduction* z: U8 j4 x# y: q0 h" T/ K: e
|
评分
-
查看全部评分
|