|
|
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。* N1 h4 i) H, `4 m7 M
' i, J" `+ j+ ` f9 v 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？
" `4 n1 {# Z+ S u+ G1 Z/ C A5 A* R; B3 `3 n4 Z& Y: j+ J
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。* w3 _ \4 y2 v
4 S7 h% w& @2 Q3 u5 G2 N+ Z
) S( _: B, g$ b8 B
) N+ P. j: t3 l! X. d6 `图1-1 MongoDB架构图 4 W! h( _' Z" r+ F9 s
6 Z1 G( N% f' _: U9 a y2 k+ {7 o; ~
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）。
5 x0 s7 p- z( V0 ?3 b
. \0 I l+ [1 U5 L$ YShards
( g" R; X1 M \' o' L( D
' e+ t& m; I( Y* b0 A& 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。
' @, Z! M: m, z g/ ^7 M3 `! S$ 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）。
1 O1 Y; B+ }3 f! k0 L- m G, i; A2 ^7 H; E/ O
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。
# |# F1 M& c% d. F: d. T+ j& |( h" g2 I: Z: b% F* A' ^0 n& 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。9 U) @+ B/ C3 A0 A
: c7 C" U& G& I" E3 G. D7 x* iShard keys
1 _/ y( H2 P. ^5 H1 ~ v
# g8 Q( Z" X4 Q8 ]' }, j5 S6 C. 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。1 F. F& V. O! D% ]" y' D) ?
! }$ |9 T3 f6 A* V! t' }& ?$ m
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，
8 A- A- f5 K- \' d2 E& h: I4 p& w: d' L
{/ R" I: J2 s1 M! V3 T) J* A
"ISBN": "987-30-3652-5130-82",9 m# Y; `7 }0 R9 m6 T+ `6 [+ j/ K
"Type": "CD",1 ?) c+ X- `8 f' r9 \; z8 B/ x5 G
"Author": "Nirvana",4 `, u4 d1 H" z$ e+ r
"Title": "Nevermind",+ G# G/ ^( C$ x' e
"Genre": "Grunge",
+ L* x' N `( s "Releasedate": "1991.09.24",) j! o4 I- \8 S7 _
"Tracklist": [9 X7 w" R2 w2 g* q
{
6 A7 b) ~* a' l+ p3 G "Track" : "1",
- }/ ^2 p9 v: C d. q2 ?0 { "Title" : "Smells like teen spirit",4 P( Q9 R, B7 T9 W% T3 I
"Length" : "5:02"
2 W1 q' L: E" P e/ p" {8 X% E },, F: q5 x" r/ S& b1 f
{$ T3 A6 W4 o; H0 m
"Track" : "2",( W7 h7 I. [: S8 O3 r; \( ~; y# g3 t
"Title" : "In Bloom", K9 l2 X3 h" E. n
"Length" : "4:15"
: M4 `! B! G, t/ s+ C5 i" u }( Q, s, ?/ L$ `/ l7 \
]5 X3 B, Y K; k9 B- Y3 g) O, \
}
9 |; j4 N, `$ ?4 m' w) L$ C# U' y
{
! e" z- v+ K3 {8 S R "ISBN": "987-1-4302-3051-9",# d! R/ Z7 V3 G. `
"Type": "Book",5 L" T/ |9 N+ r$ @* W
"Title": "Definite Guide to MongoDB: The NoSQL Database",+ o0 a6 x6 W8 J/ h* }$ {- J9 y7 U0 }
"Publisher": "Apress",
& C$ S, K% } g3 u "Author": " Eelco Plugge",
& [7 D: \7 r* H "Releasedate": "2011.06.09"
M: E2 ]/ B7 M6 K}7 X% p& e8 u0 j, j7 C) B/ F: q
2 S- J: g. ~* g( o) Z
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。
* S8 k- F: a2 Q% g+ t/ s! G5 y: H m+ f2 [5 @- n3 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。5 o5 f3 G4 p& v- t0 c$ j
% Q, ]8 ?, K7 F
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。# e' N3 a/ X& N. D. `
6 V( Z4 S& Q" h# {4 o4 ^
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$ M, B, Z) [
# i3 p. z. Y1 y, \3 h. W- X 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”。
K: r( e- f- i1 ^' `7 B9 b) K8 \2 `+ [3 }& N6 F, c4 {
Chunks( N3 G( M( O( _9 |1 m! D
3 ?: ]% g; [$ @" ]( A
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。! B+ u' N) D4 Z
* D$ o `, D5 v& r1 k, L
, X h! B# i! g& o
图1-2 chunk的三元组
A3 [' @7 ^# f5 q6 d- J8 D7 C0 h q6 c$ N5 Z8 N" g7 F( L7 W
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 Z, }0 B" D }0 @$ B) \9 A: G$ M* o. |' d; [
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。# z" a* Q. d3 A. v3 r4 n
- D0 o: D g) f8 P' A/ C# F) } 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。
9 e& @5 b+ A, [8 P: t$ }% m b# [
, s( g7 C9 U* W- `% l 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。/ B& q* V4 {) }; P0 g/ S1 B* F9 z9 i
$ ~; l5 a: Q% f2 Y4 Q- I
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。
3 |: B! b% b- u7 T' H( `7 q! `% }; `4 J v5 X$ i: 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。& Y: y. Z0 b0 R. Z% I: c
8 ]+ _% ~( a+ L8 i; n+ w; ], aReplica set8 k& n# G2 n* f7 e# S
6 P1 c, x% c& t5 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。* [+ n9 ]2 H2 @- ]. b, s
4 `" |6 [/ d3 \0 Y; C0 \
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。
% S! u& Z8 Q) n2 ?( d
6 ^2 b# p3 }. x( 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。5 q$ Q u8 Y6 J; W+ I! T
+ Z I6 g4 h$ o7 [1 b
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。
0 ]/ f3 U# C9 t! r& M5 G2 X* ` W. U* t, {6 Y! j
Config Server7 j* D; l+ l8 t p) ?" r5 Z
7 \) S* i# H5 ?( V* e, [
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 m. Q& `7 Y& \
. V) I5 s( J" ?- d5 N 每一个config server都包括了MongoDB中所有chunk的信息。
+ D. O9 u" r: R1 v) P9 h7 Z$ |; A4 s! B6 X0 Q& N& N
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。
/ {, n# E5 ?5 U* d$ n/ s: _7 x: D2 \2 {
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 S0 V4 P& g; Y V: I3 Z) _
8 l- Q% n2 X+ s/ t2 N" J: P) C( s/ h# D 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 P; {; {7 m0 [/ u
1 t" m1 t3 O/ W1 H* o* zMongos+ k% y+ y. Y1 n2 `, k
; E5 V5 h5 f9 E+ O# n# k+ v
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
4 G$ s* [# T6 s9 x0 |) C' W' k3 u7 l9 l3 e7 L3 u1 s& Z
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。
: p: w) ~5 I6 L5 L! W& u3 S; ^2 R# f8 ?
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。
9 [* \- \2 @. B) K% S- J* @' K1 s4 z1 d' P9 l( W1 W% o# t9 g
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 n4 t. ?& G' y
3 T G1 i7 y8 Z/ 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。
7 x. S5 C' [ {6 c9 c: C' i% J: H0 c
\: P8 B$ W* N8 Q1 ]
Reference，
2 f$ {5 ]6 ?3 c
% z* p' m: E7 e; A- O) }. i[0] Architectural Overview4 B1 s: ~ Q4 M) j! U& F2 s7 C, M, _
http://www.mongodb.org/display/DOCS/Sharding+Introduction& L* p7 R1 m2 t) ?1 w
|
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。
