|
|
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。
" [5 d J$ F9 D1 {- x& J
) |- v# Z# ]: O8 Q) d: E; L 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？
3 D8 ]9 x. B: B! g' Z
5 m) Z9 ?+ k$ S# K2 J 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。
8 ?1 z1 T7 \/ K q- ^( O1 Y2 Y/ ]! h; N* L4 E9 h
& [% y. I1 _3 E5 U
3 u. l8 R/ u8 G/ R# {图1-1 MongoDB架构图
0 c) v' ]- v: Z# }% D8 C
/ p0 j' _# n, ~8 T7 t 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）。; J, I3 p0 m! T9 a3 D$ m* k+ [5 _
1 b! {6 E w8 a7 |
Shards9 h. y. e2 @" K2 y$ l
4 j1 s: C/ T; [ 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。
- t2 w& q4 O3 ~1 a# A. `: s; c- e) R
- D1 z7 K2 m" y+ s: {+ A5 Q 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）。3 l( ]7 C" o2 |" z- |' L
3 N1 G" ~- }( R' P7 ]7 g) | n 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。. U* \, j. b9 ]1 u" r
3 l/ Y* I; |( z7 B& }0 G2 ?1 \
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。
# z! }1 o0 _; c) x z, ^3 l6 j
* X# U, \* h, b1 UShard keys- W( d" o x# G8 S' k4 F# _
/ S2 F6 p* D+ _9 H+ m" Z" I8 l: C
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。
( M& i3 T3 S& C O4 W* l4 Y1 G# Q
$ L" J6 p& p9 h3 C0 D- o+ w+ P) g 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，
& {% |* g- h2 Z2 n4 g( u9 g
3 b0 c i) F# N1 h+ k& r% v4 a{
" n, f) n3 K+ E7 n, i "ISBN": "987-30-3652-5130-82",
6 U. @) S9 o' u8 m5 ` "Type": "CD",
3 Z& k+ X3 O2 E* N5 ?) r. F) N "Author": "Nirvana",( |" S% N6 k3 [7 L7 V: @# l# d
"Title": "Nevermind",
% ?. G3 R: ]. w7 U* Q "Genre": "Grunge",% W' X9 _/ Q# d$ x
"Releasedate": "1991.09.24",
{# [/ |: t/ K4 v& g- Z& q "Tracklist": [
: W& J% H1 Y9 L {9 U% t+ e- E) n
"Track" : "1",
# ?9 L/ J7 b2 G2 m( d/ {- y# B5 E "Title" : "Smells like teen spirit",, G4 ] Y% S, o1 C
"Length" : "5:02"
2 Q, d% U0 x3 X },' J* ^# o, s- l
{
( B8 y5 R6 ?5 \0 x9 V ~ "Track" : "2",
- T2 x& D: V' Z+ | "Title" : "In Bloom",! U$ Y3 @* W, G! B$ H' F7 d
"Length" : "4:15"
5 T' L/ y- ~3 C# [: t9 } }
0 r" U+ X5 }- H ]9 L4 j8 c) Y* k
}
( W7 {, B' t9 U. P( h6 |. b: _8 s: q8 Z# Y/ V
{% t1 N% L- P3 G9 D) h
"ISBN": "987-1-4302-3051-9",
5 n1 J3 r. P$ |0 t "Type": "Book",
. @* D6 }6 u2 G9 t; m9 J7 w "Title": "Definite Guide to MongoDB: The NoSQL Database",
$ A& |3 [3 Y6 Q: Q8 N/ ~# ?9 } s ] "Publisher": "Apress",# C' @" ~/ ^/ N, k' V) t* z
"Author": " Eelco Plugge",' k8 }' J( G& f8 s; z- N/ G' n
"Releasedate": "2011.06.09"
- O( I' w0 w- P+ @4 q J# P}* y+ W5 Y, N( w0 T1 \5 C
3 r+ t" ?* h6 ~1 s# G" W 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。
! K& p" E( n" [$ W) S
6 s" Z# c" c# W4 l 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 g4 V! n6 j* E* E* Q: X |" [9 J" N8 {+ K6 _6 t/ d# [+ R
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。" y6 m8 r& Y. Y$ Z. N% q' ?0 v5 N
q M% h7 @' r( x3 c1 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。
" V" w V% \1 E5 s, K* } j6 C
1 o9 V8 q' W: g) 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”。/ {/ i4 m5 E0 }" t6 d7 |
. l& F5 ~" o; _7 N9 A, CChunks
0 ?! G7 G. W4 ]$ Z5 b, O S + C% z! r) s7 d/ S
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。. C) I0 f- B( X+ }4 u9 A h
! H) l8 O$ H- I! t* k. N c
+ f2 X, M1 E1 Z/ T, C" G图1-2 chunk的三元组 % ?& Q( J, b5 O2 h
! Z; g) `* ?" ^* w0 P 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。
) R$ B1 a. D, r) P1 `8 S
! J- a8 ~" Y" d) {% C 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。
4 M% V" A: _! W. W: f5 C8 \5 j$ J& l1 i: Q" q
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。0 K- e3 ?/ Z; _9 Y' E
, E! Z3 G9 W: ~/ z) c+ l+ H
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。& W* U( z6 z' w' Q# g) s6 X
& @ C/ @* A8 i. I8 \# ~* s 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。: |5 t! _1 w1 u- g( { a$ k- B
% c& M( z8 b( S$ Z; \9 [& J
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。 K5 T: A/ ^6 w3 T1 ]# w
% {( ]0 @) R% r/ w: }) kReplica set0 y/ i i. m3 P5 E# ^, o, r
8 j6 Q* B/ v0 ]8 K9 j. k) v2 O6 n 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。
) z: P' f* [5 w0 G2 A. T2 z9 G- ?
c: B% ?( U/ R% [0 y+ m% D 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。
( A7 Y, M2 D; q& C
5 ?% x; Z V9 [! C5 A0 i8 H 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。' F; Y6 r' h3 I: C3 W, ` z' [; \
4 h( k- {! }/ G1 i
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。
: k, _/ M/ n; }2 D8 q+ \- I" h
) ^% E/ r! |* e8 E/ X b5 Y4 @) VConfig Server
/ Z' ?3 f, p. O! ]- w # Y6 g2 y) u1 f! W
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。 r2 W0 }9 m5 i7 Z$ d
c( I$ [5 H! e* H, H3 N
每一个config server都包括了MongoDB中所有chunk的信息。0 B* _- {- U! ~5 Y4 C) L, M6 _( m
+ U O y" V5 S9 s$ R! y 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。
8 s" p. P6 D2 @* I* r
! Q0 \9 v1 R( q9 j1 q+ I s/ Q 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! c9 o7 L+ Z4 X0 P4 h
8 \: [0 K' D3 S1 X p8 }6 f/ R8 m
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。
3 A6 z, s8 }7 K) z+ w/ _) {/ p A3 X" K& }$ B
Mongos2 P7 B* K5 c2 C9 Z$ E& J/ }2 Q* I. t: F
; q; h; W9 L/ b& M2 G3 y& L
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
! @6 d% P& S. k9 r# {: `
' q2 N- W: D$ F& e$ g' z 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。( C. T! b. M- D$ s2 [2 p
2 ?/ g0 |3 s+ l9 \7 h
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。
* l& o9 W; |5 |1 j
9 b/ L# J2 o& k, f. M' C* l 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。, f: Z7 v( ?" c
9 z* g0 w- [( Q4 _8 a 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。
" v. z5 R0 C( Z0 ?
5 u f! K8 y( n a( W' ?& n9 ^9 C1 F% g% z, R* i8 i! T2 m
Reference，
) U& M+ Y9 l) P4 C+ E3 J' e$ v3 V; M/ o% n4 l- X: K
[0] Architectural Overview& u! \: _( I8 j' x8 ~) O' Z0 Y
http://www.mongodb.org/display/DOCS/Sharding+Introduction
+ x. B7 j) a6 r3 z0 `" d |
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。
