|
|
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。
4 S" i+ J/ z* O& @& D$ n( J& [+ A( f U
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？
- Q I( _& x# F X* n3 J- r/ m
( U0 c4 d; S/ V l7 ]: v 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 M% v6 a6 c0 P3 r0 D3 R, T1 r5 C- k! S
' p4 z7 ^, ~6 l+ J
% b3 L- ~8 N6 X7 J5 V/ h/ R: T- T9 p) s
" v% \; v7 S6 y( k. w" A图1-1 MongoDB架构图
- n; s- x# a& g6 G" |2 n
+ V4 u6 t+ S) g/ p- B" e 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）。
) s3 |; ]& t" _" h+ d' b0 O$ } |( l0 s# `8 w. q3 P6 o
Shards- p7 E1 b7 R. O
- z5 D+ U! Y. x6 f
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。
e5 d- d% x1 q& ^: x7 Z% f$ S: C
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）。
- V$ E0 W7 X5 l3 D8 I
* O; w- c0 [5 h$ 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。
& Y/ L9 ]$ V" ?; \+ m3 _
" n& D6 I* w0 X# }$ B 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。
" m3 s# s( k6 n( T H2 Z# {9 a" t( l( C6 D( }' _
Shard keys
5 J) c8 ^' u- ~1 W + O' \8 C7 M4 S7 G' k0 f, C# 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。
- B+ ~6 a8 ]% D% k- f6 v& C" l
3 G$ u3 {! z" S3 T5 ~4 L, a 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，
]* e* ?$ w* h1 T( l
M) l: \$ d8 {% V% {: ?# F{
6 Z+ B5 A- ^, u% N0 w "ISBN": "987-30-3652-5130-82",
7 V+ ~! \! [7 `9 E! h "Type": "CD",; \# Z+ q( |$ j6 Q# p& g
"Author": "Nirvana",
2 E6 Y" f6 n D3 `7 ]& N7 ]- t "Title": "Nevermind",- ]. Q* l( }+ L7 Y
"Genre": "Grunge", _8 y. e6 a* t0 D! P
"Releasedate": "1991.09.24",# L" g- s+ y0 \" H
"Tracklist": [9 l% r/ X& s1 l. b% Z6 w
{; H# k' Q" v. N- ]: w. g
"Track" : "1",! v; i& ^) v# t
"Title" : "Smells like teen spirit",6 _7 C2 w, l2 }; n l3 U
"Length" : "5:02"" E* v2 d) p( M% o7 `4 [; D
},7 [/ [: h/ |( t h! L
{
1 r. P; k2 F! N9 v "Track" : "2",
- H, V! g+ D& i4 r) s0 d: H "Title" : "In Bloom",
. K% O# a a% e% f* P: M C2 j6 r "Length" : "4:15"8 Y0 y5 z+ s+ h
}+ k. N% o; w6 e
]( D- @6 h5 m1 g/ R/ l# k3 o! N7 x/ u
}0 C+ P% l2 I6 t2 U# w
' u$ i' f% I; t6 [1 Z* m
{0 U& R5 I# E M" d
"ISBN": "987-1-4302-3051-9",6 e/ N2 p3 F8 q1 X) s
"Type": "Book",0 S- t- K( f' Z% K0 [
"Title": "Definite Guide to MongoDB: The NoSQL Database",
% x8 w5 I) b! Y "Publisher": "Apress",
% { X& H t3 D! g "Author": " Eelco Plugge",2 S9 _% G/ s/ \( B) N) o
"Releasedate": "2011.06.09"4 a3 `* I4 t% P, {
}
1 j% |% Z# C5 \8 ^- i! x
2 E8 [! }- G H: s. s 假如，在同一个 collection 中的所有 document，都包含某个共同的 field，例如前例中的“ISBN”，那么我们就可以按照这个 field 的值，来分割 collection。这个 field 的值，又称为 shard key。
4 Y6 F3 ?) h1 G9 O" B4 h* ^$ I! g/ y2 U8 N
在选择shard key的时候，一定要确保这个key能够把collection均匀地切分成很多chunks。
- G+ i( f- w8 c' z# n2 F" [, W& l. H$ _
例如，如果我们选择“author”作为shard key，如果有大量的作者是重名的，那么就会有大量的数据聚集在同一个chunk中。当然，假设很少有作者同名同姓，那么“author”也可以作为一个shard key。换句话说，shard key 的选择，与使用场景密切相关。5 y# P# Z% i# g L9 p2 B; @
: n ^4 |$ {4 A; \) { 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 O% ^! J( J( ]# F0 `% m6 d( c# v
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”。
4 F! p2 l n4 i; P8 G; ]% t; z. X+ j! f# w1 L7 B( ?9 ~# D. l
Chunks
- W, i; P! `3 p# z5 ?3 w
: i4 q8 n2 m2 Y- E 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。# r' x: q6 M4 G' X5 f7 _8 z0 R
# k+ j5 J5 a% D! B
( k, Z' @' k5 i, f7 I [& F图1-2 chunk的三元组
! D# H; N) X$ b6 E' I* q( w1 M' D: z8 ^1 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。
& H) e6 Z% H! M8 y2 t: e3 d+ i0 R' ?
. T. M( M) r! h# P 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。
2 x2 M5 c# T( n d6 H% o# n; \! k" M0 v2 h3 |. t
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。
; S3 R* _5 S: t6 Z
/ `% |# s9 |" T D 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。# L. w+ T8 Q& S M
* o: S4 O' ?: D3 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。
* ~: y" E5 Q, k b
# w! n7 \# x2 w4 V( ]: Y 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。
" g6 f3 D2 |4 e* I
6 _3 f) N; N; J+ IReplica set$ u1 Z2 R$ m2 |" Q* E5 @7 l* g1 O
* n( t p0 M4 f: @7 m7 A# L4 s
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。1 ?& Y% m1 a0 X
" n/ x9 @& K( W9 ~6 M 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。2 c" c) O7 I6 i& h3 D
8 ]' X; ?7 w! R: c) q ?
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。+ J* b& X0 Z, v H! [; l" B& u
6 o+ B9 l5 Q4 v/ C2 d% V5 y: }3 F5 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。! b" ] A/ y# x! {+ ^8 X
; F0 m; O0 K2 o1 m
Config Server
& o1 U$ D- j6 s2 {- b% R4 W " v- B) x" a' k
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 Y; w+ e) B; u: t* h) l1 V
: o) i% M7 {! H% b 每一个config server都包括了MongoDB中所有chunk的信息。
% G: u# ?1 s, {! g
/ y& h4 E' ]: [8 a6 p 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。
" u# u. } b) y; e* m
. X4 d) y! ~6 O 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 q: L2 w) j0 N
: _1 D8 y6 x" ]8 F 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。
C) r! _+ a! w* X7 ]9 }- K# P( Z; f0 r% n/ H! u# w
Mongos! \* ~( V, h5 N* V& A
U8 N) r( @' l0 T! @
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。3 c z6 P6 ?) e0 N- m
' _6 s* Q$ ?; P+ x8 W! t5 x& j3 |
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。
7 D `8 i: W1 E1 K2 o1 u. ^( |! W
' [3 B8 x& |5 ]5 [ 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。0 D0 z, a% k! k2 @9 n
# U" L3 u5 y+ K5 w5 a8 }" D& E 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。) ]1 p2 M, x" `3 `7 |" P
" V$ N+ {) ?0 _: j 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。, i( @% f8 Z1 B' E: I/ i
# ~: M- r4 V; D1 p1 l/ ?% |
6 _: @8 `3 H- j6 O1 z; B. mReference，$ o3 k% i: F" ~ k; @7 q
) p: u, ]! I |! B, \( ?# c[0] Architectural Overview- F6 [& f; }* ^
http://www.mongodb.org/display/DOCS/Sharding+Introduction) n$ G- f% l8 J" W/ x% l: N
|
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。
1 r. _* S1 L3 L) c5 ~