|
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。0 c+ O# [6 V2 Z8 H
6 [5 t* N6 G' y9 b [ 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?
4 S% Q' _; I' \' a) w# ^6 `" x
1 {8 F$ N! w4 r& n J' ^4 h 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。( L" ^3 F6 v6 {8 c" x
2 X" F& ^$ p: @$ @& U' k2 u, c
- Z! ]: Q1 I/ c" i+ p5 G
- G$ \9 u s( T% F& O
图1-1 MongoDB架构图 9 q& |0 j; @, }' G
9 S! y0 S6 o) O) j- I g5 Z' W
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)。
. B9 F- s8 A2 r( E5 i$ u* R4 v4 x% S. K5 L+ z( W
Shards
& \% i9 d A+ e& J; o% D9 H+ T) k: n
8 G3 n# Z) U/ K4 Z9 i 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。
5 [5 r' C* P4 W6 ]. Z- M3 ?8 w& Z G: e6 ^; D6 Y
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)。
5 \5 P4 f' c3 e5 u5 ?
8 B- R {: x+ ?8 [ 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。
9 g2 r7 o' p* `" T
2 b0 G- {3 r9 n& W5 Z 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。
" m4 ~- W+ l: G" ]. Y' J$ k+ Q, Q6 p z( a9 t5 X
Shard keys
: E ]+ o% c- `8 ~" N 0 Y3 d$ B9 ?- \" r
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。
8 K+ K: J# |; Y' E% @, B( t& |. ?8 W( Q# U( ~$ k' c
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,
* S0 V0 Q6 j6 w9 A/ Q$ w( x' |6 a! W
{
$ Q* i h4 {9 V' Z* ?! N "ISBN": "987-30-3652-5130-82",7 q; {# O) e3 x; g* H
"Type": "CD",# o, z! [) e8 B) u1 y
"Author": "Nirvana",
* T( N/ N5 _+ h, f4 Q! G1 M "Title": "Nevermind",- j, J, m$ e. F1 O- k) f# y: W4 |
"Genre": "Grunge",! O1 G$ U% {1 n3 U2 M, o7 j
"Releasedate": "1991.09.24",
" ]( J4 z) ?: `3 l% m! F7 r$ D& W "Tracklist": [
& k/ S+ n6 k, u {
& \* \7 x) X( h1 V9 ~! l( t! T "Track" : "1",
6 `! a. L/ G( w( W0 i5 f+ W/ F; X5 L "Title" : "Smells like teen spirit",
7 ^4 I t( E8 _, h7 S- X( k2 a6 ^7 e "Length" : "5:02"0 L8 l9 ~1 x3 I) T6 c+ f* w- x
},# u: v1 V" K. N/ M) z4 a& G
{
: \; l1 l, \% V. i. r9 ~ "Track" : "2",
' p0 _! g$ V6 @0 [4 |& W "Title" : "In Bloom",0 W3 W' y/ n) H! ]. j5 g; i( U
"Length" : "4:15"
0 n* h3 v+ b; x }+ w4 K6 H! L$ Y H. {4 |+ J" W
]
2 ?, ?& r7 F+ w3 q4 j5 P}
9 @. B- G1 n2 j; A' L, P6 J1 Z2 m6 d |4 v
{5 N; d2 X7 T7 ]9 e
"ISBN": "987-1-4302-3051-9",$ b& Q8 q8 Y7 Z: o9 P/ |
"Type": "Book",( \" r6 L" z8 _# L5 _3 d7 G
"Title": "Definite Guide to MongoDB: The NoSQL Database",
! c0 H8 Y: t8 ~1 U7 ^8 t; }# Q u "Publisher": "Apress",
5 H' m& [+ g9 c' w5 t h "Author": " Eelco Plugge",
) x) g, K5 \, G6 b5 e( g& ]" X "Releasedate": "2011.06.09"
: H3 I0 P) h/ L, R- w4 C}
2 I# N5 N$ v1 W1 N t& f. i K5 X$ {7 r1 U" x1 U$ a
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。: v: ?0 h; n0 h6 E4 O4 f9 ]" O
! _0 s, m( R1 D' @* { 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。
. ^6 C5 R, n- }
' F( l8 p$ R8 i0 j- u" ^8 g 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/ v$ L) N0 o+ a* }4 v0 g9 u, u* w1 Q3 B& S1 @! W' f2 k) o
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。5 j, C. ?, g0 L4 k/ N: ]' G
, z9 O2 @# ~/ a, [
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”。+ j& Y+ D) ]( o2 i
' X: A5 N2 h$ I. `
Chunks9 u3 P3 w7 w/ U, r0 X A/ T2 \
4 p, I* j, j* c, }) X
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。. w/ L! `3 d; Q4 f5 n/ i
! P& p: w* A2 E& z2 ^1 f* N4 ~0 G. E
$ Y, p# g- s# z. `
图1-2 chunk的三元组
3 f# z6 Y5 ~8 }/ z2 M/ Y: g, {; a
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 W/ v N6 ?4 D, X2 h
6 Y% n9 C- e r9 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。+ r& ?+ ?: @+ B3 w, O0 h
. _; v1 V5 c& O* K& R 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。6 F, K6 Y' p% F3 j$ ~" E
' e, W0 s0 F! w1 V7 z3 x8 T2 S3 A
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。
4 \- n& ~8 C, S# n( u) }7 j" p ^8 }# P1 B8 k4 `
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。# I0 u3 t& \, ]
`0 P, W/ \9 o5 q' c# [ 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。
4 J6 `0 T7 Y4 h! \' f0 J
2 a/ x8 z$ B6 r/ M* F+ IReplica set. D8 Z* i5 h) N& f' I
! @: z. A+ X" y9 j
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 u$ c* g) V5 U3 l4 ^6 E- D3 ? y, D3 Z/ U' X
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。/ X9 F W( l* Y& d8 N! P
' s6 P l$ A9 I6 s- i2 o* W: ~' 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 p7 j! P: A$ B* n
0 u" F' R6 p) B5 i* S 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- l! x. {0 @9 G" Y
+ p p4 D; E5 f' A
Config Server
: ]' O o- k& E" ~! Y9 [& B, V
& A2 Y/ S: G' b; I, c 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。
5 x$ P. u4 f3 M/ q- ]2 k( C+ B* ?
: B* N5 P% d8 r- P* z0 {" ^7 l 每一个config server都包括了MongoDB中所有chunk的信息。+ v% i5 I' k$ T# {) ?
7 \# a6 F, T5 ^ 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。
! l4 N7 ] v; u w. s! j M6 l5 q" t/ W
* W9 h7 b U+ N7 {# s9 N4 t# j 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。
* e [1 B6 e. }: r% W( A' l: \+ [3 H. x; X6 {' F1 F8 d; J% E+ }% v
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。2 F/ a- h' I% _7 b- T% [
$ ~' P$ j3 ~) B u7 A& E5 ~5 m7 UMongos& p3 f1 p7 h/ S
% u; z& t0 e# _ j/ M 用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。
" W3 ?" e6 p& w S7 Q/ V' G) d; i# m0 l5 s! ^
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。
/ v: i z; ^2 M- \( {
) V8 d" _. R8 l8 E! ]1 @- X" [: z- [ 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。
/ b8 r2 h# `# o3 W5 E) |
* P; Q: g- m1 M1 F 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。
$ D0 D7 Q1 U% ~. M8 E' x w$ a) P, D4 V' R' a+ X$ 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。
- b; I6 |6 N% C( N& O! A6 D% X7 L7 F* R' W4 \
+ |" D& _4 D0 u$ P$ w5 L5 s
Reference,+ E9 z8 ~7 T, c0 d
- C- Q: \. w8 U' j$ i4 ]- l0 ]7 M
[0] Architectural Overview" Z) B) J4 r L4 W" f# }' |& _& A
http://www.mongodb.org/display/DOCS/Sharding+Introduction3 a9 f3 v* f* k( a
|
评分
-
查看全部评分
|