|
|
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。
8 D, W/ d0 S# F( J. U1 `' y3 z5 Z* |+ x( T
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？, d" p5 m$ r7 B! p/ E2 I4 n
1 H4 b/ s. j3 ^! j" A+ P2 D 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。
+ P9 F1 C. I* l) f+ B- L( w' q% _8 {1 Z! [9 R
W6 [# Y0 ?5 x! g9 q0 Y
5 X' q! o$ |5 R图1-1 MongoDB架构图 8 u9 n; X }" V* S- ~: j" E- `
' y Z3 N5 q I5 ]
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）。8 m2 \# k( l- `; T! C
( w7 q1 `( m4 l- X
Shards; o+ L: T: V$ ^& x7 d* ]
/ E% D; v+ `, {1 c
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。8 q6 x( S6 n" ~5 L. E) ~& c
$ E3 U" j: r7 V4 s W, b: H
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）。" h+ \$ h/ ]# e' C; t w" \
5 N- N' W8 H2 q) 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。
9 s7 _8 O- J& |; y' r- j+ _1 Y$ X( a9 I# _' u
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。: ~, m8 ~8 Z0 E! ]
1 J, f0 p' o7 [: _, h
Shard keys; p! ~" H+ @! f: ?2 S
$ M) s- T! P3 ?' R1 {" _ 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。
5 ?* Q$ ?. b6 T' V
8 d; D/ ^# j; m4 v7 Q+ Z, N 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，
0 S/ {: J: y/ A
. U m0 h, g9 d/ X4 z{) R4 V h; D \: A" J
"ISBN": "987-30-3652-5130-82",
# R: h5 |# u3 J | "Type": "CD",
' |) [- a; W" G/ p8 m) D "Author": "Nirvana",% W; [: E. U6 n+ Z; f; d
"Title": "Nevermind",
% U& q0 F8 Z2 r+ R) b: `2 h( T7 L "Genre": "Grunge",
/ k% j) M- C+ ]' Z+ J "Releasedate": "1991.09.24",+ @6 f- \5 o5 M" T5 V
"Tracklist": [0 h) P/ |4 V4 p7 D4 o
{! ^ E' o' @3 W$ C
"Track" : "1",
( p; E! Q* S" X" B( O' x2 n7 ? "Title" : "Smells like teen spirit",
, Z0 ?- z' B4 `5 p3 E "Length" : "5:02"
+ o" y, X! x+ k# E },
1 B3 d4 ^$ j) ] {
' S. ^' Y3 ?; s% e) o "Track" : "2",
8 ~# D& G2 i# J+ }+ _7 [8 X8 H U7 X "Title" : "In Bloom",
2 e! `8 v" j" V( l3 @" d "Length" : "4:15"
4 b' u$ |* n/ I3 e+ Y3 B }
7 [/ z% g# A" e$ T& Y: ] ]
" I, w" q: y: l# J0 [}: x. ~* H0 L) x0 t
, P$ k$ \ n3 x; ^) I
{$ E( O+ X4 \# s
"ISBN": "987-1-4302-3051-9",0 @+ |* p9 e' j7 o2 ^( A6 V( z
"Type": "Book",
: |4 I% @# H4 q- _ I$ F "Title": "Definite Guide to MongoDB: The NoSQL Database",. r# U6 D+ Y/ |# P' V9 W b9 |1 Q3 f
"Publisher": "Apress",
, |/ [$ W) S/ _% l2 ]/ S# y6 g/ B" o "Author": " Eelco Plugge",7 L, r! S: J( j' q) A6 q# r
"Releasedate": "2011.06.09"% W2 i0 q7 l9 n; Z, G* m, |
}
, u: A: C v9 O% S3 A
9 ?7 {4 S/ ]5 X( W) X4 m: l1 [ 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。
' l4 u3 n0 s8 u' H3 d
! |) e5 q6 A" B1 f9 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。
, Z# o$ s9 m5 P3 z5 d8 }9 W
% O+ n. I/ h. z7 Y 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。
% `# F) L7 ]* s. P
- g ~: `+ X; B) y% }8 ] 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。
: |% Y6 d6 h2 {8 t6 ]. R" ~% H4 H5 B4 ~/ F$ y" @* 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”。
" J3 O4 u* ^! [; Q" M1 F) j- w
( z% x$ ?( N! b3 d T! mChunks
$ R: Q/ D; _: R$ `8 z: ?( m
! D% R& h5 d8 z; g% n3 p: h9 f 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。 c& _' s5 D; D$ D
9 ]) f, B5 {+ T$ U
, j% K7 ?4 k: D
图1-2 chunk的三元组 & F5 L$ ^' x7 D3 Q8 L6 W6 b7 s7 V: y+ @
4 J m; b* a4 D* B$ @; x& T$ m; G/ [ 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 U; P1 B9 o7 \+ W ]! j+ g& i
8 s) {, B3 W( J1 d( n9 }
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。
4 L0 E9 m6 T3 A5 x$ P" b0 r: J
9 r: K, [9 Q- t$ q: 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。
# T/ U# L$ X8 | Z( ~6 K I U% h3 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。
7 @( y6 V5 H5 ]2 D& b9 {6 Q {2 ]1 q! T/ b8 F6 h3 _
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。
) z; R5 w$ O9 m. K8 v- ^/ f8 N# U8 u! e. H% O
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。
; B: y! a, [" F; K" M5 s& Z6 |; l0 [& ~: Q
Replica set9 e0 a8 R+ D; R3 l! T! g
; h8 e9 A7 {; g. K4 Z! N3 O 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。
/ v X8 \& x# M' C$ H, {+ B& A U( ]* s9 ?6 l8 O, E9 x- t
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。/ V n. H8 |7 h" i$ `4 {2 P
: M+ N4 I5 |9 j ? 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! [% Z( @" t, V/ U
) F3 r) \1 v# |, G0 x" C 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。% t% _. l6 p7 q3 H5 v0 I' {
; _- L+ N. H4 V1 B, tConfig Server
% }# p7 e: R" e) h$ [; m2 \$ P
2 d0 a, A# N7 r$ O" A1 Z 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/ Z( |: T: ]! x8 [- z( @9 O. Z+ j* A/ Z( S
每一个config server都包括了MongoDB中所有chunk的信息。" M7 O2 j) H5 c
* ~5 v$ l' S) P2 o. \( W 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。
7 }4 T7 b5 a( m* Z, |% s- E; j s T7 D' ?' v1 E
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。3 S: s- m, w2 K8 d
% k: R( J( z' R" H
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。
1 v3 z4 Y* r: [* h
/ B6 ~- f5 Y- p' \Mongos3 C) h2 J, Y8 d; L; j
/ d3 x1 O. ^ k! P
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
6 C( _6 l Y) ^7 g0 G' e, p% e8 a8 F+ F- i# f1 [% r: ^" e) m
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。
/ ^0 l5 M7 \/ G& z7 U& ?2 { P( z4 s1 V* k6 T8 V I: S
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。7 k7 ^9 b% }$ T k+ @0 w) V' n
3 [9 z5 U: |( e) X! k, e ~: l; P+ d 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。$ i3 T5 j" h. E3 B2 ~* f0 a
4 D0 f4 C4 x, ?1 ^# V. ^1 B% g+ b- `. [ 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。' Z- t& D# \& z6 V/ N, w
* B2 S' X G+ o" F
& `5 i) I9 k# k$ y* O6 l6 j/ aReference，
8 c/ w8 q) ?4 o2 }% g& o5 D
% a f t5 U" R, r4 Z, |2 a, d) S[0] Architectural Overview3 |0 [% m) U3 y% K% x
http://www.mongodb.org/display/DOCS/Sharding+Introduction' C4 T% M% Z( L" c# j
|
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。
7 T* [ n7 h- S' K