|
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。7 M$ V F+ \ m; c$ c+ H0 e
: F8 j& k; |" F0 N/ z) G9 D0 ?
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?% }, ~7 T8 u7 T
5 c7 B$ l n. A, Q6 {
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。
' R6 e: M( L4 Z) b4 p9 [+ J" P/ |$ Y
* _2 _. F, ?1 [# m. O4 K2 p9 _% {8 ~' d& j2 w
图1-1 MongoDB架构图 4 U* z- Q" k) }; n# \/ G- y
5 E3 \& q* g: H. q$ B+ X7 l. d 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)。0 ~- m' |: y7 X3 j, q0 _5 o5 p4 _
7 S2 d* {& T+ Y% _6 ~$ R2 |
Shards7 k& w" b; a/ @, r1 L
0 L9 c$ Q/ K5 ?( ? 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。
" X! W/ ^" h1 N% c: t! C1 h. D& P+ _# S" J+ M: o6 ?
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)。
* {& w1 }' l. T: v" `9 B" C/ g- j% I! L1 p
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。
8 D( k1 }" P& n8 c
# X0 u$ U8 `8 {5 j: J0 }3 ^2 i& t& r 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。; }6 t+ b( g7 w8 D7 Z& z1 j7 q
" N. Y" G% G" ` k& I- _: Q
Shard keys
- p/ N$ G% F x. ?8 |" [6 c$ c5 |
`' q, v' d4 q& |% r1 E 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/ r5 w0 Q& R* w ?) K9 |) M# ]$ C" ^. w( d' E" u
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,
+ B8 A( @2 d, D% q
3 ~4 q7 e) B4 @, Z# W{) ]8 S/ T6 \) e' H4 |6 X* g S
"ISBN": "987-30-3652-5130-82",/ _" \3 P" V% ?0 z$ U; D
"Type": "CD",$ v. r& d+ ^1 ~
"Author": "Nirvana",
2 _/ S6 q# b' l "Title": "Nevermind",9 x* N5 g) e4 Q H% ^
"Genre": "Grunge",$ i8 F" ?4 y! [4 _4 B
"Releasedate": "1991.09.24",
. S" ?9 [; ~4 E" J$ S- W "Tracklist": [2 \% v( ^/ a) \2 _1 c+ ~
{. n# a$ i6 u' J6 L. ?# M: G
"Track" : "1",
. e( W7 d3 p& B, c/ k: |# e" Y5 t "Title" : "Smells like teen spirit",
# I5 W8 o z- l8 q& K$ H- } "Length" : "5:02"
3 w4 h* O4 ?/ ~4 [, R* S },
# f) u# Q9 }8 @/ _ {
1 S5 y K) h2 o2 W# z "Track" : "2",/ s9 U6 ~; l" m
"Title" : "In Bloom",, X S. Z" T n: k) j4 L6 p9 a$ l$ G
"Length" : "4:15"
5 l3 Q* ^9 Y. d, u! g- _ }
. A5 Y7 D' v8 K0 X9 o; u" n ]+ F7 J0 V' ~( Q% |4 M
}* [. o" p6 w$ v H2 @ {$ Y& h
7 z1 P0 B1 E; f5 {; d{- ^& H! K. ^0 Z, W+ }4 }
"ISBN": "987-1-4302-3051-9",* t- G2 R& t9 i
"Type": "Book",3 ?- `/ d; M ~1 Z$ o1 {) N4 D
"Title": "Definite Guide to MongoDB: The NoSQL Database",$ \" h. H% c6 Z: F7 S
"Publisher": "Apress",
1 v4 R6 W$ y# N9 w8 A/ U5 m3 I8 L7 Y "Author": " Eelco Plugge",3 E: ~9 U1 R1 C7 q4 }. O( @( L& ^
"Releasedate": "2011.06.09"
+ {4 [( C+ a% R1 N/ J}
) G; H- C# t( F% o$ N- z* U
, h9 m/ c: u7 o" k! Z9 g0 d$ \ 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. U$ K h% B7 F& W, h0 O: A& _+ @1 V4 H
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。5 B6 L% K7 E1 k
: g# u( S# i U V0 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。1 k1 _# J6 }7 Q2 v2 f
( a3 i: z8 X6 l0 x. 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。 ]2 F$ E& g: i6 Q4 ]- M1 H, S
/ _3 h/ u9 K3 A2 I% D7 j4 L
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”。5 c8 ^* r1 z5 f
' q: U' ^& X+ f' |7 \) T( M
Chunks8 z6 v; |- f+ Q+ Y$ f& H* J
& |/ F/ K$ F: {1 m) ?
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。
! K7 j$ D0 X& {6 S
& n1 d0 I# P @9 h* n' s6 A* g
x" ~( ?( z+ O# T& ~' L) }图1-2 chunk的三元组 5 A; {" w p7 T1 U# ~/ V
/ u3 k; N& t. N+ Y6 k" z 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。3 Z7 e# F( n) m6 s
" N0 L, p/ M/ U: U" ^2 o0 T
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。
8 L3 y! U! P: r2 B- W1 Z; C
, d1 g- M8 K$ Q. u- N 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。4 o& e) x+ ]- G7 T0 x+ h
/ U. P7 X0 t7 O% A! i$ A! Z* t
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。
/ G9 O3 N/ v( {2 o# ] H
6 E' v7 j/ B, L3 M1 F 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。, U% {- B: b- s( t: T3 s! ?( |
& Q& n" }0 V6 J5 D" q7 r4 T 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。! y0 B4 a5 F0 A8 r
7 t/ f; Q7 z( c, m! L: UReplica set
1 e$ h' ]8 Z0 O) V' |# X5 X: Z * c0 M) S& x1 C( M9 Y
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。
) O9 C# O/ d- t5 q: t5 S4 t/ ?( z( z3 W' V0 H% r3 P( Y4 l
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。
# o% _* d" h8 Y- _6 Y' c
& O7 f& P# S9 h' I$ d 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。
& r: N7 [2 A5 w8 e$ K" p1 y
+ ?, ~& U2 Y6 I( B% v" a! d 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/ L' u5 f, h
) b" ]9 e% b5 J) S* q0 K/ U
Config Server( p' C6 y+ b: p# B( |0 H1 o
# o: Z7 @; k( S' Z& J$ L+ s7 y/ m0 I 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。+ w W- P: u8 c" h: B8 m- ^1 j6 j8 x
' s1 m: B/ b( x$ w7 l
每一个config server都包括了MongoDB中所有chunk的信息。
9 q4 r3 y- V+ B; J, U1 G5 r
- z/ b! C* a( F+ T0 A* ? 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。' R! F; }" G2 Z
$ M1 j/ G/ b; v4 b 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。; C3 Y. E7 m( X" U9 ^2 p+ t
" Q; o* `! A( R/ ~
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。9 r0 c4 E* V, n' v* }. n
: J- t% G/ k$ e9 y0 m! Z* vMongos1 t; D: u8 U' q
5 M7 z8 e9 S+ T2 d3 l
用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。
: _! T0 H) A, e- J- i) o' w# y+ D" Q, w7 o9 g9 O6 L
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。3 |1 J. ?$ y( {
4 k0 U9 y% f# d% U6 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。
" l: I' z! F, q" X& f' X7 A7 Z4 g3 u7 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。
/ a2 v$ k5 X6 F9 M# y1 ]4 N% d5 |; l/ i7 u( k! L
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。: G4 L) Z& f: k
7 d* Q3 ^* ] [+ I5 u- f
; Y$ C% H/ D- w6 J2 B) D9 _* w
Reference,
- w8 s* |: N7 Y8 N% c
3 O6 W/ {" n/ B" u[0] Architectural Overview
+ y5 P+ t7 S6 v) Ahttp://www.mongodb.org/display/DOCS/Sharding+Introduction
4 M6 q+ q' p% z) w0 c |
评分
-
查看全部评分
|