|
|
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。2 Q |7 N; N7 |5 i0 I; _
. N$ h; {% B p# ] a2 x 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？$ K5 R1 g& E; ? z
! } L: C7 F) }# J: ?0 O8 B( q
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。- c; f1 A" ^. t3 F' l
% R' a: J. w$ R+ f0 y6 b
[( j- f: j2 g- r1 y$ e) c9 v
4 T# E" [ I, _$ b, t# y' n图1-1 MongoDB架构图
4 r' T" }; `) Z' Q$ {5 r% d9 U" j/ [$ Z5 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）。
: A& U: a0 M$ p5 J! Y
$ p+ O0 n! e+ X- q1 _ `% cShards: E; L: v. {+ i& _
7 G9 y" b M5 E B& s6 a4 y5 t
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。$ I5 {8 d- ^. m( A$ t- L
2 N: \- O9 M' V1 U3 C/ O. w' a
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）。
* k# s. n8 k8 u, j7 k
9 K$ R" O. I% k 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。 j* K9 W. x) B: i# ^
$ | `6 m& U& R) J% f" S% \- M
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。7 z* X/ S8 q) O; h+ U. G
+ f! |/ ]8 |1 DShard keys
9 U0 e+ Y. H2 j 5 |, n$ B4 f! l' ~& X2 J* X
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。9 A F+ P4 A" E$ z' M) p7 L
, D% u7 O/ @$ 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，
7 W1 N% n$ Z6 }2 E
; O% K. f% r3 E! C. `$ f" f2 y{/ g9 I4 A( T' M5 ]
"ISBN": "987-30-3652-5130-82",( t+ [9 F4 w$ J1 L
"Type": "CD",# ^2 w$ Z3 V4 Q) F2 c$ s& {
"Author": "Nirvana",
4 P, D) o2 S+ f T e "Title": "Nevermind",
- v& z- l2 z& f "Genre": "Grunge",
- }6 H7 g9 z2 j "Releasedate": "1991.09.24",
8 a V) S5 z" |! z; d0 M "Tracklist": [5 n& I) _) K G3 Z
{' X1 G: j) k `0 l9 C2 B2 M1 \
"Track" : "1",
: a w7 a6 d% Z Y9 f7 l l "Title" : "Smells like teen spirit",% T* q' M9 Q$ y& y8 p
"Length" : "5:02"
' \4 \; Y* g! t: ?7 q8 ~0 c },5 z( O: A. L) C' m5 ?: U' l
{6 Y+ S h$ C4 |/ u: J
"Track" : "2",
( C2 R2 X/ H* K "Title" : "In Bloom",
9 o+ x, S$ _* C7 B/ f "Length" : "4:15"
9 C# x9 i. @2 a/ l8 ` }
' S z$ J- h+ v, k, K ]2 @) q6 t; G) D. E" v" b' v; J, }
}% F# s6 ^* `0 K, _
6 W Y! D8 O! k$ n# }{
, o0 b% t4 e+ [ f9 R; W1 v "ISBN": "987-1-4302-3051-9",- ?1 B# h' q" P- n1 [3 u8 @
"Type": "Book",# @4 B' z, R4 D0 B/ V. \2 ]
"Title": "Definite Guide to MongoDB: The NoSQL Database", _. L3 ?1 M% A$ @& n
"Publisher": "Apress",4 x5 ~- C1 W6 r
"Author": " Eelco Plugge",
# a/ e4 G# ~, V "Releasedate": "2011.06.09"2 W: l3 O$ N) Z4 p E% t& ?8 P
}
! ~9 d' Z) Q2 k( k; T+ z! \" \9 K9 S, G' e0 L c! [; j
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。+ L. s2 e# u8 j' l
: k, D, V. n4 w+ H" |, w' a( K 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。( g7 R; k, I% h9 u
7 }5 J5 q3 B8 Y, a( C2 Z! D0 U 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。2 b3 V1 E! Q. F+ d# R
( k& ^% H6 W } 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。! W# L0 G1 y! z' s/ `
; o0 d& e, e( T5 u% R" K& i/ p/ n! q 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”。
+ L- V* ] h. p6 w( e# o0 n) h/ M0 u5 `) h/ J
Chunks/ t" \6 `& o) T
2 Z2 ~0 n. l/ q" C
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。
, K' V" z+ W( n1 E; I. C9 {: |
; G* x7 {' `( X/ f1 T/ `# P( H
8 n& l: H [& F3 n8 g" C% |( x图1-2 chunk的三元组
3 S B7 D7 h, N
% r! T" ?0 z. P# Y, }, I1 Z- B 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。
( i! ] {# \ s
$ V5 m4 {1 P" K5 q 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。
1 w# m+ W* H* [2 r! l5 k8 ]# {# a+ A) ~+ ?# A2 W
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。
$ s0 ^ b; b( |. [+ Y J- b
* N! N* z& x3 q& B$ ]( @ 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。- N/ N/ X$ A. j* d" G
3 j; i% d" a; i* F% s+ I! s, W0 m
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, M2 z! @9 X* C4 p; u4 }+ ]6 I: N1 h% @/ x V( P6 ]% ]3 C0 ~
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。; ]" G; m( @- r2 z3 Z
_+ e5 T) i1 Q0 {
Replica set
" d: F3 }5 P a0 t0 p 3 U5 r5 b! X* z' _
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 l) L8 a! |! |* _8 \
* W4 W ^/ p& U% {" i
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。
; W+ b2 F% D- R4 S' P7 v
$ {" s" I6 l' Z f5 l 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。
+ c l" h' Q% K
/ F! K% t# e J; _, w# Y 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) v7 f2 a! [' G
$ [8 f/ g) I) U8 T
Config Server
5 b! T* m. l, q# Z2 s) k7 O3 R
( E4 X5 y$ v/ O! v. {+ `( L 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。 }& s4 M9 J- K, F, V# @* h, ~
% F1 @& W3 N2 ^
每一个config server都包括了MongoDB中所有chunk的信息。
8 D. Y: {1 x" S' g: l9 _- F) V: c9 ^: c$ }% M- I, N1 B' Q
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。 h# B1 o0 R1 K! Q9 y! e8 Y% J
8 w+ R" a. u6 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。
, ^* g5 @2 E2 ~9 O
- I& _4 z6 H8 V. x) { 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: c8 _( w6 S- H- r$ [! t
* E$ ] U; t8 K) WMongos8 M2 P4 I4 G! o9 t, M( [
, G% P- @; q( f; X) s# _
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
1 f% b9 h' p" ~+ d$ u) C
' g8 ?4 Y. m9 r: J7 y8 ]3 k9 O 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。
* e# ]9 V8 A7 }4 q/ e/ L( ^0 `) U; }$ j+ F
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。* j4 x8 D0 r( T9 O9 G5 B
) J+ ?* i0 O8 b+ N 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。: y& F0 V( F& ^! R
! b2 S I y9 n4 Z% `) c' h
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。
2 } g- t) t9 G1 A
- Y. U) i' K0 n' `! m3 Y
6 l1 I- s3 w/ ]& \+ E1 n5 K$ LReference，% j' R4 [ t1 ]
, o3 K [) E; D& J8 m
[0] Architectural Overview* d; L5 H/ Q5 ]
http://www.mongodb.org/display/DOCS/Sharding+Introduction4 P. J1 F: s9 c
|
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。
