|
|
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。
. F4 e" |- {" E
% }* ]* V h: C- r @) V 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?
" N1 G( h, W) ]5 j }! z" y: g& q6 x; G# `3 c6 v* Q) J+ 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。. g4 E: L) Q- E
$ M. K4 Z( F( J" E
v4 D% V# B! T
1 }) D1 x N6 J* I
图1-1 MongoDB架构图
, Q$ {( b3 v3 o- ?+ Q! }/ {) O% a+ R
* O2 ~6 E8 ^) s- d m" m 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 ]" M+ W9 T. @2 A5 N
! {2 S& s0 u4 i' ~$ f+ T" x
Shards* q o. u1 f7 U3 w6 O4 C
/ C h6 C3 h. I1 w! M B
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。
1 W5 D5 W6 M' b$ E3 I' N6 W# l* P# r" U% q1 _* V, m$ j% `. m2 v1 k' P
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)。
( Q- }7 d4 [. V/ [) ^* `8 J9 \4 K3 E, Y
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 x4 g. _" i7 Q) d9 U/ A% ^4 F
, K+ z, {! ~7 N& a2 o! p# F# x: t
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。
/ O. ?7 w% R2 s& V( K6 @' d+ B4 q: P* `# I" i
Shard keys8 d0 O( d9 t2 S6 u( i. d- x
' s1 v1 T0 ?( j
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。) g' H$ G, j* [' n7 B
& ]; p, b/ f: \, F* j
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," M h, Y3 p% q5 a4 ?
" _( |: D0 K4 R4 R# X{% b9 P, P" x p5 u ^# w
"ISBN": "987-30-3652-5130-82",
2 s% @, s2 m, Q, d "Type": "CD",
; }4 f# b# F4 } E% [6 V+ o* P "Author": "Nirvana",
0 g2 B2 n; p& _ "Title": "Nevermind",
' k' b- h4 w1 q( X) v "Genre": "Grunge",7 Q8 ~) y3 Q( t9 u, w, o
"Releasedate": "1991.09.24",
1 [% Q4 H- e7 W6 O "Tracklist": [6 \" Z* Y B7 R$ n
{
' G: Q. d( l7 s- W "Track" : "1",
# V# |! c5 x) A+ t$ e1 g "Title" : "Smells like teen spirit",# U0 Q$ Q/ h! J+ z% H* ~8 C
"Length" : "5:02"
+ s2 A( W) ^ n; g! |6 q },' h( T0 l( I: {- y) ]+ K, }
{
~$ |- v0 _! Q5 s "Track" : "2",
% E) G8 P3 W) D2 o7 m' o "Title" : "In Bloom",
% H }6 B9 b/ R "Length" : "4:15"3 }- c0 d. {2 @
}
$ ?% [& D4 z6 K/ U ]
8 Y0 L9 J& |- F( {}
7 h! S7 b% m( J& |/ y' }$ {! V. Y; q3 u& b/ ]
{
$ {" T4 P, T/ d "ISBN": "987-1-4302-3051-9", F& W: l% M8 j# K0 J' c
"Type": "Book",
. S+ \# J$ {! ]' E; z# v "Title": "Definite Guide to MongoDB: The NoSQL Database",
* C* I- Y8 f. i! d& t& d Y "Publisher": "Apress",7 ]2 b g3 ~+ k) i" l! a1 \! h
"Author": " Eelco Plugge",! l% \) Y9 [* a, D
"Releasedate": "2011.06.09"6 k4 k; g! g/ r" W! {$ d
}
' f4 T- D0 z; T* A5 b7 W! `' L& c2 R1 T$ |+ G6 u: J3 t- p
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。
0 F3 u1 A5 G) D7 s2 e
4 d% K: e4 X, ^. Q o, G 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。
& K0 l/ _2 }! U4 x$ r& @5 u/ ?4 I: j4 u8 P
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。
8 j M9 T. n3 ^+ ?) z, F' ]. r3 L& \5 O: _9 H+ M7 S
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。* M& n3 e+ s, z* I
0 S: O2 K, I+ G. \ 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”。
/ W8 r& B/ W0 K# e6 I; _
! o- q S- M$ c1 o- t! CChunks
! s8 I+ E( E' e. i0 m : G E& E1 r+ F6 `; b! c9 ^
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& z& j2 F0 V
+ k0 C# K5 K P6 z# L
# H1 W! G0 V s; j图1-2 chunk的三元组
9 q V. @$ [( b
2 e3 o8 b! T1 @, b 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。9 |( v9 N) B. Y6 s* t0 i& W
2 i* I7 T) e7 t# F; u3 s/ t1 \
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。 q: ^# z# y7 E4 C1 d
/ q P. Y1 a4 W1 W# [2 | 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。
! m7 l3 }; S" ~3 _, O9 G
- N) _3 [3 H# T5 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。
1 @6 L! i* s0 M+ |
5 D3 @+ E) c# P% q5 G4 s$ W- ~ 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。3 Z: O6 Q! N* {& u+ e
& [% J1 v& `) I2 o z! L9 ^* 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。
' p! ~' y% }% x5 s3 [: }/ N
4 b$ U' Q9 K9 hReplica set; |4 Y) W& I* ?
7 s$ B5 L4 v X' 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。
8 W& I& U, W6 L
3 R1 N- k! b3 S) y- G% l/ E 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。8 ]3 e- n6 j! [0 A3 D% Y, s4 a4 B V
3 |% V' @3 D, |/ t3 L* f
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。8 s2 J: P) V+ T/ N8 I
! T- D: y& P" y* z ]
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。" s" A4 r* y: a m- F( Q# a0 d- \" P
" J* ?3 s/ R- |
Config Server% t2 F& u1 q5 [. A5 o( S" c) Y
3 N- T. g. X/ Q 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。. Y4 P- X+ c9 g" O. c0 I
6 q1 b1 d% C+ ^# s. B g/ H 每一个config server都包括了MongoDB中所有chunk的信息。+ o# p9 ]% }; h4 d
# G, L7 k$ j& \9 o
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 Z x; [$ Z/ @/ O+ Y, Y' g y4 V1 |2 V6 e6 h2 E! q- a
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。
; A9 s' n# T2 H; X' H) h0 N4 e0 O6 d+ B9 Z8 p ?0 s4 B- c
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。; k8 ] c- i {2 R
. j9 L) T+ d0 j7 s" ^, C" ?
Mongos9 C6 y# w" l' g4 o
5 _( Q: X7 N0 j8 H! V) ]8 D! s1 P2 j
用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。
3 N( L, r) v5 P$ K7 j: \* b& n
0 Z5 G1 O. V0 K" S* }' P 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。; a" {; q& ?: E9 t: N
# a4 v- b, c3 W; X9 C* ?) m' q' 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。
* j$ u& z: z. A* x! F8 V* \! Z
6 h" E) ]# v$ b8 ?3 T+ y 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。
. k5 o: e# X) ~" k( y6 M2 x
& y! ? |/ ?) V9 E. r9 D- V' ?) N 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。: ]" p5 l5 u1 B; h. A
9 _1 I5 x: Q, q# u
5 X: B$ d7 h3 z& t6 M
Reference,$ j/ U" u# m# Z# ]2 f7 m
. a$ N. x! f. }5 C[0] Architectural Overview
# P9 f" I& L- s8 ~4 Zhttp://www.mongodb.org/display/DOCS/Sharding+Introduction
Z: t3 n6 U+ |+ ` |
评分
-
查看全部评分
|