|
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。+ {9 }3 A+ P, G6 J0 d. e
! k# z0 ~) H7 f) l' 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?
" |1 {0 O; ^# i! N
0 f' ^1 r8 U2 K; b 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。
6 ]* P) Z6 L0 A: M9 R+ o% m3 j
' Q. u) ]2 ^, g7 ~- G" ]* \9 {
% f1 S- s0 a8 O9 s1 O9 y3 ~! x. y7 f% J3 d
图1-1 MongoDB架构图 " C! C1 X' h8 i
- T8 {2 l" Q2 W$ ^% O 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)。7 |$ p. |& {2 ?( S
. `8 h7 f* e. x. j6 }: T# W
Shards
. S; q' q2 k+ N. u0 O1 z/ p7 a: o2 k0 Y2 l0 a9 j' C
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。/ s8 U; O E5 V% k/ b
5 A6 W1 H% ]3 ~* G$ ]
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)。: f5 q$ f1 g; _5 ]/ @6 o/ A' {3 D
0 P' }+ d+ }- C0 s" ~( V6 B1 q5 c* e. e
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。/ l+ l% C8 h2 k" Z a, ~' u" q2 c1 b
7 s! _$ Y; K6 Z- j7 b P( A2 p2 D" D
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。
! z3 E; F1 c' w* s/ Z2 @
+ c/ b8 q; }% T7 U& E' gShard keys( ?) E: R. }, b1 O6 }
9 I3 h D+ G% d e+ L; G 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。
4 |6 W# G7 B7 H# T4 _! g$ e( ~) v
! t5 U5 U$ a3 G( z' o5 K9 N 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,5 u9 q; c( T6 q9 U w Q0 V
# a& G; }/ p) m; {4 ]
{5 ^) l; L" q% r x6 l( r
"ISBN": "987-30-3652-5130-82",
: t) g$ X7 P, H) e "Type": "CD",
4 d& x+ X; w' w8 e& ] "Author": "Nirvana",
2 t: c' l# D! |2 ^2 _ "Title": "Nevermind",
L% ^: I( Z/ d8 a "Genre": "Grunge",. d: D* R3 y& U+ g- W3 k6 T7 f- [6 H
"Releasedate": "1991.09.24",
: i/ M6 E1 I( t8 ? "Tracklist": [
6 r# h l. {: D6 T. W9 S {
7 C9 T' C/ u/ O/ _* F8 S "Track" : "1",: B5 P( j! T# Z W: K7 `! W( f% u
"Title" : "Smells like teen spirit",
3 j3 j* M- C% g) b2 [8 y) b8 a" @ "Length" : "5:02"4 k" e( j. f% n) G) o. ~4 a
},
) R4 T$ L: Z1 J$ @( s4 i; l8 } {
4 N' w5 f1 Y+ d+ c "Track" : "2",
3 D4 V( S6 Z% S) l0 W8 r "Title" : "In Bloom",
3 U9 ^% [1 }0 Y$ g7 `* d "Length" : "4:15"- `0 O, ^0 `8 t/ _2 }3 t
}
9 w7 _9 _& _$ k6 ^2 L: |8 _; @ ]
+ M& S4 x ]+ s' _5 C& u1 c}. v- K" h, H X* R4 a | P+ P
# _" z8 V" V( x8 J$ M) \ E6 F{/ D* v' m! q+ G
"ISBN": "987-1-4302-3051-9",
# c& T Q- q1 T+ }9 ]# f "Type": "Book"," R" O3 u# b6 D% e
"Title": "Definite Guide to MongoDB: The NoSQL Database",8 Y' d* C6 T6 C9 P8 w4 h% _
"Publisher": "Apress",
+ N. _: R2 P+ _9 ^/ j; w m4 J "Author": " Eelco Plugge",
* g+ V( O: n' _ K8 ~# h "Releasedate": "2011.06.09"% P; e0 d' Z# S _1 h; z s" l
}
' {8 A" y0 u/ p
4 A* h( r! `8 L8 I% j2 v 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。
) w& L# Q* w3 n$ R* e/ ^
/ j* l1 M' ]$ H5 k 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。
, w( R# e; N& N6 B9 y6 B3 j; R
; u/ D& C; }3 ?: [ 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。* Q- k9 @' ~# M, f# \
- L0 ^- @( a& `+ H V7 Z7 |
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。3 B1 [. c8 o, _( P/ ]1 N4 N/ x M
p8 K5 T& L) n) ~- O, i1 _ 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”。
) ~* {3 _ ]2 k3 p, p3 r1 t' y' V. A6 Q
Chunks
, o+ n; Z2 k. e8 i k; d/ E ) i+ V) T4 h' K' k
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。2 c6 ?2 `, S# B9 X
5 l# p3 Y Z. c
3 S! y5 H1 P0 \) P4 f5 z+ d% E
图1-2 chunk的三元组
+ i8 ?9 C, f) t) a5 r2 C4 U
5 q' z7 c" r% C! m% R9 H 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。/ b6 c# L5 E5 y r$ V
% d; |# j3 M* M L/ ~
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。( ]/ w/ Q* I. g0 g; U
6 A; b# D% a) T) \( Y 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。- w. n, P: S* v J
" t5 h& O$ A2 d+ P1 Y' x
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。
8 Q8 G. Q8 F# G2 A( @& I
: Y: R. `' o- B 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。9 J1 ?# ?8 T- b6 [) P; ~
& ?* k6 K+ S* y) S4 H: F
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( k9 u9 l" l K* n9 b
7 L2 x$ y( q! p. xReplica set
9 D7 c8 W% K# l) I $ F9 g) {+ L- ^8 }! J' L
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 H; Y7 l3 I; w
6 {! w" p, O% G: f 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。
/ p5 w' k* [6 T* M3 U
3 @/ s" h9 B: P' h1 i% n 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 S, x# B5 }$ ^* {: s1 X3 j7 \6 N" Y3 _: G; r+ B3 ~
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。
* @2 ^" @1 r$ j0 t+ o) r; a6 X* b7 M" O" Q& U
Config Server
! `9 I! K6 w2 J7 t* w* i
4 ]5 c; C9 D R2 u6 L 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。
. p( \" j6 E% c; S; D$ e$ G: } ]: {" P, G% S5 O# I
每一个config server都包括了MongoDB中所有chunk的信息。6 d8 j& Q y5 p4 | c& D' ?
7 D% G" h+ i7 u/ W( V+ b' a1 v9 [, L
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 k, d$ R$ b
" Q; _4 e: C( @9 c) u! R/ e 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。) y+ ^7 L% [5 v+ @$ G3 w
5 q( w3 X6 P$ ]) |& G
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。& p Q3 }+ L- p3 d- I1 V4 l/ N
$ c# H2 L* j1 N2 Y B$ cMongos- p: m+ g* M9 p& d B
+ Z% r( d/ Z5 D% k$ D; y 用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。
4 c: s6 ^# w5 B3 B8 U3 g0 N& h' p; K) [+ ?5 g! i
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。/ k3 z& S% C3 L A7 c/ p: P
8 `2 ?, Q3 }) e6 d& Y. d
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。
4 w- l: `' Y; b& Y1 W+ K3 u8 g. V1 {
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。
* q5 C, B& q( b, N/ B: q, C: c+ c
" N! k7 J F; \8 O& @3 K% ~ 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。
6 S/ I9 i1 e" w* h' s( x" l3 o5 ^% m& J
6 d7 r; ?, P- M# Q% h" _Reference," o- u3 J9 J- H$ D4 q
; ~! C* A3 k4 q4 `% B+ |" q& P# V- X[0] Architectural Overview
+ U6 [% u+ N- @" `; Fhttp://www.mongodb.org/display/DOCS/Sharding+Introduction
& R+ b- {3 v! E |
评分
-
查看全部评分
|