|
|
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。
& T, ?3 B/ M& R% J+ X, l3 \
) C- T) P, u" `; ]- 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？! ~' Z' R7 x/ k
$ Z3 |* ~- b# `. a
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。
% O! W& r. |" {- z" [. [6 ` e
: I J9 e7 Y. `: A- i
: @# V$ q; z7 M5 ^% m
图1-1 MongoDB架构图 , |3 F& N. ]5 a8 z- J- a/ w6 h+ O/ l
( R. Q r5 R5 w$ j: o% I) T+ y' L/ b. j
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）。/ t9 [- l6 A0 b2 {: k6 v9 a0 Z6 E
; E" i- T+ \& f% @Shards
5 h3 P% G, `* o2 I) U) f
p1 t* `0 d$ T$ r: d 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。
0 G$ R {6 ~. Q
0 t$ t9 ~6 o2 d0 c1 P7 m; Q* i1 O 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）。
' ]4 s) c% H' y0 [" K% k! l _! r8 n' Z9 i
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。+ ~: G& i7 |; }+ |' l
, }. i5 z9 Q0 k
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。, Y P+ P1 Y: a6 z3 w9 G8 [4 D
2 E5 @! E8 h! ~% W
Shard keys
2 M- \' f! }( s; t+ k ! i% n2 E' |$ b, \5 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。: b) Y0 S8 G* }, d: ~" \- a
Z3 F! D$ z9 C2 Z3 e9 m$ J
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，; f9 }! A; E6 i ?
% T$ ^$ E' c1 S. q% }' Q) V* u{
' D. D5 M- F+ t4 o/ F, W "ISBN": "987-30-3652-5130-82",
7 x6 s) D% V7 @& p$ Z "Type": "CD",
% C' U+ B; ^2 g "Author": "Nirvana",6 G3 c) M/ i$ L/ z
"Title": "Nevermind",
4 E: `) _0 v. q5 b N; o) a3 Z0 ` "Genre": "Grunge",
; Z9 Z' Y* Z) l2 Y0 G0 g0 d "Releasedate": "1991.09.24",
8 l8 I; \& y: `" I& G8 x8 @/ z "Tracklist": [1 ^* h- ^/ S( Q( ]: p, d; m6 t- _
{9 E# _. N1 v3 n+ J
"Track" : "1",: p/ E! C2 n) U5 a
"Title" : "Smells like teen spirit",
8 y! y! A/ c. X9 N( H/ l "Length" : "5:02"
& G3 r9 ]) \3 b, ?8 n },
0 {9 O7 Q! ?9 N+ O' }! i7 s, F {7 t) \: T2 Z! y6 c: B) C4 ^7 g1 f
"Track" : "2",
9 Q. V, T% C) p, d4 \2 ? "Title" : "In Bloom",
9 c6 E- H$ L) j$ X% p( M "Length" : "4:15"
. ~% Q$ M7 m- _/ z& ` }1 C0 {5 a7 T5 l
]
5 t. h/ j0 Q+ ^}9 f5 q# d. c1 M" e! P8 j
) y \! @$ T7 H* v+ F
{: X, x# \: P8 R. |
"ISBN": "987-1-4302-3051-9",
3 h6 i7 q1 [$ b; x7 V$ d4 L* Z: V( \' j "Type": "Book",
$ k% y- J' f8 i* o "Title": "Definite Guide to MongoDB: The NoSQL Database",
% D0 p4 O* N1 C "Publisher": "Apress",
v6 s8 n; X/ a! }, j# j "Author": " Eelco Plugge",8 o, F1 k3 b3 |/ E5 b, G2 B, I6 w
"Releasedate": "2011.06.09"
4 l3 y; ^4 o1 m5 y}" a/ J6 d6 p4 b
' H D' U6 G' |/ i 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。
& Y5 h5 ?( A0 e$ M% M Z7 P0 V
! K% k z" c8 ~" P9 J 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。
: C+ S: f8 y( q
) e( E1 l6 ~5 N3 U9 P 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。& |0 R4 v- o" W+ E. A' X" b9 s
" m8 f! Z b% M2 r3 M
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。
4 I8 b" R( m( R/ C m
4 c. ?) \0 ^6 p, A% J 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”。
{0 T# O" S$ ?$ q/ m5 n1 m H; A$ K* W2 p" S
Chunks; K; y0 c! }) v
- V5 [4 M4 G9 p# y$ r# _
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。
# n# b$ z: x) E# A7 V, G- A
7 o+ d( Q3 a2 y. C: A
& E( M! d+ A& W* U" M5 Q" s图1-2 chunk的三元组
9 x3 M$ x9 M% ~/ I/ b, u6 f4 r4 E# o- j9 d
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 O% @7 a# G% U/ ?% V. h8 Q. M) O' E& u$ x4 z6 Y/ K2 g" j4 H5 {# O
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。5 u0 [ X2 N- A c7 V
3 s6 d2 A( g; R! e* g
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。
- Q# o8 ~1 c( m$ U8 `) G' @: o6 u. M8 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。
s- ~3 X" T: o: ?8 @, i
* J( H( W1 p6 W 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。: i2 P% Q& q) H& S" P4 A( u" a
. R4 R" m9 Y9 c7 }( ?2 A. \
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。/ N/ Z8 C" Y0 u
5 M" c$ X1 c% P
Replica set
U+ _8 z4 d3 E( x
0 m" `' f8 [0 U( W- |8 h 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。. X3 j, y( \: p. J
9 I+ r1 n4 G* }4 Y 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。
0 c1 y1 N! w0 o6 g a& j8 F; l j9 w) Y" n2 e" X; Y. S- 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。% F! y# Z, J5 e( q z, R; P
4 \. l# k2 f+ R1 [3 l7 R 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。
! s. k0 @+ @* L1 A7 ^- O
+ Z' o* J) z! V# z2 F( S6 ]+ pConfig Server o# x' J( ~2 }2 V ~: ~' K0 X* Y
2 o" M) `+ ~% H u/ K; ]' t 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。
; ~6 Z2 f, O5 `3 N$ |7 G4 `3 j
每一个config server都包括了MongoDB中所有chunk的信息。$ w) S$ k- ~3 X3 Y- |8 P
6 x8 B% O" O2 G1 {* y$ 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。" ?+ x$ \9 g R1 L: i, Q' q
: y u! f1 A0 T$ \4 ] 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。
6 t5 o2 Y* I7 o% ?. W' u; `
: f4 Q8 b" u8 \7 c: r8 l* j9 ] 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。5 x1 i; _7 h; w7 F8 A$ Y' J8 r6 a
1 O4 n$ Q9 E1 m: L) p6 uMongos
# l5 o$ b; E& c7 K( b
" R9 }( C- p* _ 用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
0 Y. r2 Q% g) R% F' Z. q; R6 Y( X: T+ V. w. H( D+ v
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。
9 k( f( f9 j! Q( d }/ n8 w- E" ?: y
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。
. X8 t. Z5 e3 |. w0 V
1 e7 W' X: Y9 i( T/ w( l9 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。7 [0 n( w& m, K
2 d4 `+ q: ?! ] W# z: d+ c0 O* 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。
4 M3 u" R0 @& f4 G, U7 x
6 W$ A8 }, z* o
/ E/ U8 K; Y. z1 N1 JReference，: B8 ` o+ T( D' H8 s6 t
, K! U% c- q0 Z8 u0 j' ~[0] Architectural Overview( l3 o0 J, B y7 b8 p; } u
http://www.mongodb.org/display/DOCS/Sharding+Introduction' M0 r/ T) D# I
|
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。
! n; F4 H. ]- }0 v' ?