|
|
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。, e# K5 e/ F7 ~# k
, H& j8 d% X3 K) R2 r* v; h7 z
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？. Z1 ?9 i0 w9 I- I# k0 b" S) e$ {1 E
, S" z) d9 }5 r# L
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。
$ D1 g* J% X4 n1 y V1 M
0 [2 l2 [ ]8 a9 n
% a0 N4 x0 }$ U: G) b. m; v! T4 T, E9 J7 J: ]
图1-1 MongoDB架构图
7 \! z' @% t% N0 o. I2 r- t
- S# h& d; R& c8 R, ` 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）。
* R2 e/ p' h2 J: s1 W5 K$ u- D& ^1 l/ L- o
Shards' u- n4 i- i6 R, h
7 z! n7 R5 Y& R! Z 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! U. o) ?) n5 }" X9 Q
: L2 u d4 _0 f/ w& } p5 m# O/ X
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）。
! d. m U0 Y) ]6 q8 m; i/ Z- E% a/ [9 T
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。
3 s( m' u: B `2 U: c/ S) s8 p
* L6 a% p' M+ l 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。
+ }5 K0 I, Z# Q" p7 o$ O- B0 r7 ~- p2 S% e, o/ `% `! ]- P
Shard keys+ S2 a+ V6 J% W/ P8 c. H
* V7 x9 S, M5 S- A0 { k b1 `" q 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。 v. t( i- b9 [4 n* K# `$ T" Q
0 i+ H0 g7 ?1 h; Q, s& I 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，
/ A% A+ C9 m( `1 G
& @" G/ _0 F7 x" r{
: b2 a. C* p/ m5 `3 {$ Y( Q# n "ISBN": "987-30-3652-5130-82",
. W6 q5 ~2 e$ u# G# x) G2 Y( z "Type": "CD",: b5 R0 ^& L0 t% {: `5 T
"Author": "Nirvana",
3 {+ a% C+ i' T. ? "Title": "Nevermind",, _! P; d, F" r
"Genre": "Grunge",
7 s# G/ S2 s; Z R# p" m |- Y1 _ "Releasedate": "1991.09.24",' m( [- R& G1 c1 v2 g
"Tracklist": [2 a: U* C( ^0 Y9 f8 \3 x4 S, z
{) ]/ w+ y1 H5 F- n1 e
"Track" : "1",
$ x7 n9 o$ b/ D. J, ?, g "Title" : "Smells like teen spirit",# c3 B$ }4 b% I, h/ [/ G& ]9 _
"Length" : "5:02"# A4 t* H' n4 y) o2 s+ ^
},: C6 w4 ^# L3 O. x( F! d
{
6 d m5 ? [2 l "Track" : "2",
5 P4 x$ \& G' f& q N) j "Title" : "In Bloom",0 ?' ?# u/ T# Y& q" F& O9 G
"Length" : "4:15"
! v$ Z+ [- X9 m7 H9 } }3 X: d) Q7 v' d. B3 d7 A
]( o( j, `" h R" U, X$ s$ b
}
+ K6 t9 {3 r6 V/ J0 I1 @; K3 t8 B
{
) p' a' |% @1 I) Y "ISBN": "987-1-4302-3051-9",
# R+ Y2 u2 w2 y# y "Type": "Book",: S5 a, T/ q3 i1 V, J8 q2 a
"Title": "Definite Guide to MongoDB: The NoSQL Database",
6 u. h6 J7 I% i$ Z6 ?0 x "Publisher": "Apress",
" E& y, {) t0 e! Y3 m6 \ "Author": " Eelco Plugge",
! P' T- f4 b9 ~! p, ~9 S "Releasedate": "2011.06.09"
5 U2 L. C% u$ z. ]4 R% k}2 r" B9 G% M: i7 Q' ]. H+ j
x( i1 d) P- U) c p# N 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。
% l9 E5 ~: h2 a! V# J7 v& I& h* z! A8 r. O$ {6 ]
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。9 H, r( Z+ M0 Y8 Z7 L) F
# T4 }/ C9 u1 d( @; @
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。
K2 {* j/ f4 Q1 W) z8 [
1 r% d; @: e+ X: m4 { 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。2 X' o8 R t" E6 }
6 s Y7 H+ a, s6 s+ J7 H: B# a7 ~ 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”。/ N9 ?! G4 u, d9 V
0 d2 a. |0 f3 l- B e, ]* TChunks
4 y: Y# Y5 U1 `8 P0 O8 H& q 8 B5 @" v3 o5 T5 s3 y) H
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。* S) K- }. K5 _
) g$ h) X, L: ]
; h& q8 y: \# E图1-2 chunk的三元组 4 Y% I/ c: q" n1 a8 B0 [( l; A
! O8 f( Q7 ~ C* A6 [/ a1 J 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。
4 `( F7 g; D) q" S0 Z
?7 {! ?* k; q: H! Q a; f1 p' J! A 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。
5 k5 K& J1 F U' ~
, @/ m- _0 m3 o& ~( t$ k7 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。
$ P" k: A& r7 b1 I8 u* d' x" m% K$ w; E
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。. Y% K8 }) p, I& c
% v- r: W/ E1 v
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。
% `* o/ e) a5 k8 K7 H8 S* H- @
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。+ L) m5 w, m3 \9 ^9 n
6 V9 F c& H0 z5 m0 ZReplica set
6 c+ `, X4 I6 w f( Y
( L0 g# u) H3 f$ k 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。1 @1 X. r K8 j( a8 b( I1 O( W. U
# U$ I9 p( y6 \. @1 D c 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。
! {( y$ V1 S) Y+ m6 ]4 ?8 W
8 O: Q( w; b5 ]1 O' _3 e1 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。+ Y, n( E+ j" F; c N
1 I: Z0 g, R% F# }# U! q8 O 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。; |( Y) S; S) A2 l. ?7 S9 K
5 w( [% w+ j8 R! q. [# |) ?3 L2 PConfig Server6 t5 @1 @2 \. l; A/ b: |/ I
$ T2 _+ `6 ~5 {) w* ?" B1 G6 s 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。
( `; I; c; i. {$ T4 L% c$ j4 i% {, y6 ^. L. o
每一个config server都包括了MongoDB中所有chunk的信息。
2 k7 I) F5 E# B8 V" b% c; C
: ^4 M( S, i2 A1 } 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。
$ Y. Q* t7 v4 q( _" G$ `
0 p+ s3 U% {7 {, i" s 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。
" i3 u2 v; c& `
, I& @* h% u8 r' [4 ^8 T9 h2 Y 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。$ l1 V: u& I- z3 D1 u$ D) p
/ w/ U- ^( Q/ m8 y+ j/ e. A
Mongos$ E& ]" Z% D( `& R) Q# t3 s' k" {& ]
. K q, V) s' \1 C" t 用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。* i; @- r6 U6 L, p! H1 w
& b; G: X" a" x: r 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。+ i- E5 T, C- G( L5 J" x2 |
6 v! Q8 p/ {- G# ?: I4 \- K3 L: M. i 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。
7 `5 e& X# N) h* R+ y, {6 q6 x+ n5 u* B
( N& J5 Q& `# g. E+ u1 C: I 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。0 h# Z! h; i' P" E/ A( y* ?6 d' ?/ c
% Y) p7 T2 j9 Z8 v 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。, u* K0 m3 ~! l5 A0 u
$ t/ c7 c: A0 [0 Z% N5 ~& _
3 P) m) h$ |# N6 t
Reference，; \$ t: M# M6 H! h$ N3 k
$ G u, g* l Y+ B) M+ q* w/ R9 S[0] Architectural Overview
7 u x+ g1 y9 Y+ @0 G$ c Qhttp://www.mongodb.org/display/DOCS/Sharding+Introduction
' v# C- O. h H8 \; N! c |
评分
-
查看全部评分
|
雷达卡
发表于 2012-9-18 12:31:10
收藏
分享
淘帖
支持
反对
提升卡
置顶卡
沉默卡
喧嚣卡
变色卡
抢沙发
千斤顶
显身卡
楼主
已经给你变成正式会员了。
