|
|
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。# s- P$ q3 @& S) D9 u9 s
' I, S$ p1 M/ t2 s
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?
! z( H' Y2 |2 D/ l7 c, U" P7 K6 M% i* t6 r: ^
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。
' A* X2 @: F+ o8 }4 b! l
?1 ^5 o$ l, Y2 V t1 d9 @
7 W, J" w) E! x& K4 f- F. s$ _
% y8 H- e% ~4 i, j5 l6 G/ V2 ^图1-1 MongoDB架构图
1 T: q0 k; t* A( Q l( c- V7 S3 X) h/ s8 N) ?" N
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)。8 v+ b2 r1 Y- j: K% J
3 l9 }( Q$ B& s7 ~8 H, b+ D/ ^$ T
Shards# V" a" C% ?! A* ^
% z% K/ ?! y9 S/ [. s6 i, a 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。# l+ J( \! W1 ^4 ]' b
3 c @- s: B, j$ \/ N
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)。/ V7 v M6 J) N0 q& Z3 |
- t4 D; f( ]/ h* l% U4 z
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。
" g7 [8 ], ?$ o, d$ _/ j% [& @ p. e) W& b! 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。$ t1 q3 ^3 ]. Z
0 e; S, g- X- i
Shard keys
, j; n2 W; `4 |( u. V0 K6 m
! i5 X7 y+ D4 j7 \9 ?3 y 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。
0 |6 t4 |1 C) m. E- }; O9 v& v3 E8 m! B4 H* x% Z! R; y
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,2 I3 z3 o" Z1 _' B# G" J
8 n5 x- ~ G( m9 p
{
, [- n( K" t' ]! \. c "ISBN": "987-30-3652-5130-82",' Z6 B7 B% s% g4 [/ D
"Type": "CD",0 T( q: ]2 q3 N4 N: Q
"Author": "Nirvana",: k E5 t5 b* `/ r/ P
"Title": "Nevermind",
. Z0 y' a4 [2 W. ?% ^5 H "Genre": "Grunge",) r/ Z: f; t# y2 j& \5 Y4 c4 P) }/ t
"Releasedate": "1991.09.24",% S2 y5 L1 z7 i7 P
"Tracklist": [4 I- w7 y' _% o
{3 I8 q0 C. t8 S; [# k
"Track" : "1",
0 W7 r. G" n/ y0 c1 }) c; S4 |* v "Title" : "Smells like teen spirit",
" a T v( a, M; a6 l: j "Length" : "5:02"
$ m3 u. _/ Y. D( N( G4 S }," G/ _0 x# s5 h% x
{
' a. G* n3 U0 y! v0 ^) C) ? "Track" : "2",) Z, M9 H. T. L2 `5 G
"Title" : "In Bloom",
" t6 s9 M% l% o1 Q: _ "Length" : "4:15"
4 Y( n# L3 g' u! F6 ~ }
: N6 O0 {4 n/ t) a( ? ]
5 l. R9 q) O( k$ ]8 f0 B}
! F: `# ?0 W& |, F
' x! x$ D& K8 d3 N- D% v{; J5 v7 S# T# Z0 S
"ISBN": "987-1-4302-3051-9",0 [: ]/ @7 t4 U1 Q; ]/ N% v
"Type": "Book",* ^9 U, ^- \. P; [* }% e
"Title": "Definite Guide to MongoDB: The NoSQL Database",
+ o$ d3 o& `* e! ] "Publisher": "Apress",7 `% [1 E& j" d/ Q
"Author": " Eelco Plugge",
' ?% ~ D- ` c/ N& T "Releasedate": "2011.06.09"
5 E& e7 C, [% b& s& Y( }" s}
4 Y) ~5 H- g+ G+ u; P
! t/ u- E8 B! Y 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。
7 x! u S+ I P) V; N, e1 r4 j# ^& [5 p) k% R
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。
4 y% ?& {$ t0 M$ K8 y+ j W7 _% f0 J8 w, \* I0 _
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。6 y+ |% ^2 M5 K
: r* j! ^4 a* c+ e
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。; L \& k& B# L" d" G
# d/ m/ ]* e, b% |# N1 b 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”。
! O% c6 n; S$ @3 Y# ~/ ] G5 F6 D7 ~3 @. c3 y! w3 o& r. U
Chunks7 }6 h7 V: A8 b" a b2 C
U; H- L9 i/ \1 G
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。
! Z; K* n3 |9 k
, L3 V8 `# z' P/ X! _% y
, `; }5 d. f% a5 d" v图1-2 chunk的三元组 7 L z- R( E3 @# E7 O" O! W
7 s9 N/ j' l l
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。- V" U4 T9 i. q* ]
* y& b; O- J3 i: ~; s9 [6 ] C/ M
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。
. u5 ^" e) y+ A& g; q" d
: X6 O4 Z) Z+ F. ^ 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。/ O6 J9 F" o7 V( L% b: z1 e7 l
1 Y0 U5 W# T# W
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。
# b; w2 P; Q* [/ M0 y$ `" B- K! Q4 @8 f/ g x4 q: }
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。% W. O a( v: L3 H
/ c: {' E" e7 U4 i7 D2 L* k 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。 @ `% R* z4 D. D1 y1 Q
/ D: f3 V4 c7 G5 p' M; i0 dReplica set6 Q9 [! ~1 h, s% O. b
! \ ~5 H2 s( f2 o" d0 o* D
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 p8 w X3 k( j" t
7 g8 k4 X2 I8 V, ~2 S: w 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。
, p* e, C4 F6 V$ x1 I$ }- {3 c- X A7 K8 Q5 I# w4 h4 H9 Q
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。+ j6 U! h0 C* d0 Q; r
2 r( X- X$ n- O' w9 |$ V7 m
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。
& f7 S* A* J3 D, p
2 X! e* O( O; q9 ~ I& Q) s+ ]Config Server$ R8 A0 K; g- X& Z7 J8 y
* y/ a L1 \% t 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。7 q4 E2 v- I( p6 D0 G) K
! c* [$ K6 f& j7 c, A) o2 o
每一个config server都包括了MongoDB中所有chunk的信息。0 [; m+ m' P x
0 O" H2 c. h' d. {: Z) i 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。
2 ^* O( l# _8 |* z% x/ F, k i
3 @+ v/ ]( b$ k 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。* h+ B, ^2 Y3 @+ x+ p
1 v' j: h* ?( u' c5 C `2 G2 l
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。
$ N# P; E1 X! K& c9 }" L: ^5 ~. I! R! O4 K. E$ l5 k2 T
Mongos
4 d( ^, C0 t7 F x
) d4 \0 V& z5 F8 y2 n$ i) H# ^! I5 B 用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。
$ B) ^$ T2 D" t* [5 [1 r5 W1 U: [- Q1 P1 k' _
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 D9 U0 o9 q% |- V/ f8 { B
& c/ g# F: t2 f! 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。
$ n/ y( A, O/ L
/ e- B3 r8 ? W* L) j 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。
) u9 z/ C. y3 H) ^% s
* g/ @1 L( p( }- e8 i 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。% m0 g/ ?) |4 S
' C9 A! K, j; T4 q
. R0 `/ q! U* K$ i: K; }' W" p" u# a0 yReference,
: @/ G. y: v& E. r/ J) K/ j4 N0 B; ?$ ~6 t0 U
[0] Architectural Overview @; j4 ^' k2 {) I/ z- B C
http://www.mongodb.org/display/DOCS/Sharding+Introduction
1 |) I, O9 i$ ^) M. T |
评分
-
查看全部评分
|