|
|
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。1 }' w, ]% E& w7 J/ P( p( t
' }" }1 s+ n# s( [6 ]1 m) _. C
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？/ _; n s: C( J# D% j! @
1 k' t& L ~2 M& P5 I0 [
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。% [0 _+ b$ p. J# L8 I: R& o; b
) P; W2 E" r9 ~) Z/ k8 `
+ v4 d4 \7 [( M( T' e* Q k+ i* t+ a& ?6 M6 g. V$ K/ R
图1-1 MongoDB架构图
5 Y3 p' q3 T4 P: S/ M2 y8 Q! v2 | j' B* 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）。
/ G+ Q, W5 D; }/ @0 l+ k) f/ c$ U- N
Shards' x- g. E! y% e+ }. F, D; l
& ~4 _6 q1 z+ X4 ] 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。+ a, K* Y. C% z$ y' x4 g; v
7 s) ~ a6 M6 { 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）。
( H% r f6 c: r; k Z) W* P9 u! h, T* u: q$ u* 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。
e6 l6 K' i" u; W' }+ X& ^' f+ ]& P% x5 u% Z# V' e8 }8 M L4 r
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。. t( U9 }2 J8 T2 z/ G, C
% @& K" ? p, X3 ^, X5 a& zShard keys0 T. F9 ]4 H7 \7 t8 M
9 I* Q* u" o* t: m; y' n* [
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。. L: t: D4 @7 I/ V1 y
1 X# j3 ?% S# k7 x 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，! j V0 k# _; ^9 [ ?7 x- g4 y+ h
. _' R+ M+ ~( ^3 a' C$ t$ L
{3 ^# [. T6 ^) |$ b# w; C H! m
"ISBN": "987-30-3652-5130-82",7 Y/ J2 ^% g8 z; I8 E% X0 `
"Type": "CD",
9 Y0 O, j% Z5 C "Author": "Nirvana",5 J0 g0 `- ~/ \% N A; C
"Title": "Nevermind",9 u, y: a' j" G; q7 D
"Genre": "Grunge",
; p& _$ N6 R8 X" F "Releasedate": "1991.09.24",, C2 h: B @, |5 U8 c
"Tracklist": [; W# @, N8 ~3 F- b
{+ g; A+ P2 L9 s* O; H$ i
"Track" : "1",; w' I4 J: F/ s( q2 N/ S" l
"Title" : "Smells like teen spirit",
+ P+ @8 D2 i5 A "Length" : "5:02"5 f) p0 f0 V5 P
},
5 \' l! @: Q. |7 X {! a/ Q1 {" [7 l) h1 ?
"Track" : "2",
c/ r, B/ e+ { "Title" : "In Bloom",5 s2 ], a% Z( a: ?" H+ ~1 z& C
"Length" : "4:15"
. g/ O6 `6 r0 e* S5 W" L% D }
, }* f6 W: {& C- b* p9 m: j ]
+ i$ m" y4 D! {" }8 ]- f}' L3 Z& k+ r7 k7 L) j6 T" C. R
% ^+ F, g9 [& l% `5 Y( }{0 ]' u& z1 u$ [5 h: t
"ISBN": "987-1-4302-3051-9",
2 j0 ~8 D) A' o8 x( a "Type": "Book",4 V* r! B# h4 R2 d0 b9 t& L
"Title": "Definite Guide to MongoDB: The NoSQL Database",
# j4 ]9 f: Z$ t( I5 F r "Publisher": "Apress",( f) q) o5 r+ s' W
"Author": " Eelco Plugge",
- S S3 Z2 d' E9 _1 a- q "Releasedate": "2011.06.09"
& t& w; d, t0 o2 \; A}
* L' V/ i1 u. u: i5 X. l: D8 g/ R$ U- z% M' `
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。
8 t0 ~: }0 f' e: h
% Z/ w# j. s5 | 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。# O5 ?% p; Z8 }9 k0 y, D1 c( _
5 V- q* Q6 d. f. H 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。: G% G/ U, S) A( Q$ l2 ]
* D) w# f6 B* z( }) _( i" C 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。
$ |) e1 D) W3 Z* [' B- @/ E0 |) i6 `7 C( \+ h5 d
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”。
/ B1 Z" i4 F) N: a8 L ^! I! T; K" j" b# } @: X" `" _
Chunks% T) P2 ^7 e8 \
7 V9 @* U, p# ~2 [4 H! [9 g& Z
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。
9 ^' m3 t/ O, [+ P0 L- K& j V! p& S- n$ L/ @ m# U
0 z2 @; e! R- b% {. B+ S
图1-2 chunk的三元组
+ @4 _& p4 V( ]2 ^ F5 _% g
- a( y/ @0 y7 [ j3 M _ 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。
+ M% L# l* l2 k" a H* _4 z' L# m8 C# j
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。
3 G8 {7 h- e& P7 \" E# V. o& ~! i: V$ u
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。
' J# Z1 H# u S% ]8 O4 Y4 x, {" I# k) H& S- R
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。
9 m6 \. Z& o+ o4 z1 S* v6 k7 \* b. q2 I' N! F5 W7 d" X
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。
/ w1 x1 r, y$ H& J5 d, ?) }2 Y. P; h; H2 H- K1 G
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。9 a" u* D8 N7 z- t3 c$ i* R, ^3 i
5 @/ d$ |4 ]5 U7 Y+ Q$ p0 ?
Replica set9 N' `' C4 @' N1 ]0 T9 y( _
6 ?& I1 V) @. e5 N7 y" s( 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。4 f+ J/ x7 I- c( e" k+ m/ K. ^0 L
( D( Z: T( W) 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。
( B: Q$ J4 E. h/ ^3 @; |, w( Q& m7 A! V1 R
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。
^/ ~1 w9 L1 v# p7 j6 Z+ @ f
2 m4 Y, F* `( W. M. Q 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。7 I; p: e7 B3 y3 K
& s, r7 @& a: r: C- p8 J# YConfig Server, J; `& T2 ], I. {0 e# W
' t7 h6 [: }( r+ }5 D$ f
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。
9 B' R6 O$ i7 d# D: e
9 h5 @- ^7 L) w e" L6 W 每一个config server都包括了MongoDB中所有chunk的信息。
+ G& m1 a/ o# u- K) e0 D$ C* s
4 U# i' b6 a" R0 x 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。( o0 f3 Z! y0 z6 `9 O; T
( p( i$ Z& x; d7 D C7 U, U |9 ^! y 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。, _9 s* H2 _( C+ j5 D0 U" D6 R, q
$ m, @. _: }, h* h V# P 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。& I9 z" p3 {0 u6 \0 K+ p
- W" ]+ j, W0 p- YMongos
9 l9 `- _- R6 I/ J9 n$ w# n$ z/ F1 r( G& |2 Q3 f
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。$ L0 G" H4 H% N4 m1 \$ P$ ^) g
/ Z6 `9 P8 o6 F% W
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。
! y4 A- P- [# _$ Q: ^4 ^
5 t( A/ S0 ^' N+ c% W! m 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。
! U6 W1 I, M% S7 S$ U# f7 I1 V* v1 j' b" S5 @* s8 K
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。
, n0 k# q+ K5 S+ O/ i4 y3 s7 U' x. f9 G% T5 q# {
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。
+ A( l) B: U* F$ Z& d7 D& K- z) w8 Z3 M4 k8 M
( b6 m! d/ l( v q) iReference，
8 U4 P" f$ K) o; x
& I" Y) Q: m' V# o[0] Architectural Overview
) m4 d. s* J" Whttp://www.mongodb.org/display/DOCS/Sharding+Introduction- d3 _$ v+ u; h$ r& n, U( c1 k
|
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。
z$ ]& z, m5 Y! {) @" O, G6 ^