|
|
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。
: |. V' ? p5 Z2 c
: l# L5 h) U/ a- h$ X# R 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？) W+ s( U; t4 N. c
' |# f- _5 `: f. n+ f7 M- y
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。' ^+ A; t# d q7 k9 A% |$ J
6 [) k r9 R0 {# d- t: Q
% H! g/ q Q5 ]- h- ^* v! }( p. P9 U+ Q0 E
图1-1 MongoDB架构图
! u0 G7 n* H6 B- |, y V v. Z, q1 S9 D/ F
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）。
" `1 k( G* S. h4 t, \: M
3 E" k5 q) e3 B* I- z+ \$ GShards
" T$ A8 E0 C9 p; ^' ]+ X) z {1 `& ^' U; c7 F8 ~) |( H
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。# v1 B+ u4 N z) X
$ }% L# ?' X; R: o5 k
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）。5 e/ q8 Q* |; O7 q3 M
" D+ P: R' h3 }6 _, o# w
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 k8 w( ~2 n% J1 |! D/ i% Z
$ O# D7 S& O5 L0 o v/ j# t& K; N# i 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。
! B* {' L6 z& \! J. ?0 l
- v3 W2 r7 a/ `/ G; X( Y. L' C, PShard keys
3 Q4 Y3 l: b7 j& |
) ^. I1 g% ^& U1 R4 H 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。( x5 ^! u+ S* ~0 E
5 [$ ]1 P5 T/ m3 b% W% ]
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，
+ ]4 T2 @ s- Y& a; r2 L( u$ P7 x/ @$ J' Z, Y G& |- I2 ~1 A9 _
{! r) Z$ M8 Z/ z- n3 K5 X
"ISBN": "987-30-3652-5130-82",8 S) ~) k( _3 e; j( V+ t
"Type": "CD",
/ @9 ^, M; ^% v2 N "Author": "Nirvana",6 g" {4 g$ _! j5 e
"Title": "Nevermind",8 ?# w1 I3 a: u! T
"Genre": "Grunge",
% V; J8 y8 t5 E$ M c- R s "Releasedate": "1991.09.24"," b' S h' ]4 p2 Q6 g2 r# z7 O
"Tracklist": [
( t) u0 i, k" Y" m7 A {7 c- I' Z$ {2 \- L2 w% ^& A# a
"Track" : "1",, \4 K K& \' p+ f/ m1 y6 f" F( m
"Title" : "Smells like teen spirit",
$ Z4 w; s) L0 R, @8 p% E l; J "Length" : "5:02"4 r6 e, A! F7 f3 G) _7 V, E- P
},
# }6 E9 M5 M( M% X0 u1 ~ {, t, A+ d( V7 ~& e3 u; K* J' q! _' |
"Track" : "2", }- ?2 s4 w3 w
"Title" : "In Bloom",, J3 w7 u$ r) c7 v; f4 d
"Length" : "4:15"
# @5 [6 i4 \ y& D/ b Y }
" T$ s+ D6 r& \( Y+ n$ A+ { B ], b1 b7 Q" i: g7 ]+ N. Q
}
1 S& X# q6 e1 j$ x& Y: F- `& i# k# Z
{" W" |, C A& r- y0 V$ b) ?2 }3 @4 ~
"ISBN": "987-1-4302-3051-9",
5 C9 y! K. N0 u7 `9 F: S4 j "Type": "Book",
/ L- |1 _+ p" a" v "Title": "Definite Guide to MongoDB: The NoSQL Database",8 P) j p( p6 M t4 p# h$ J( v
"Publisher": "Apress",0 L4 x9 R- U% b6 ~! w' }
"Author": " Eelco Plugge",
* V' j" j$ e0 q, Y" s' J "Releasedate": "2011.06.09"
6 f8 {* X# j4 M& h; K7 l, q5 F}
: ] I; I# o8 Z3 J5 d1 M d: I% ]# F6 b. }4 S3 ~
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。
' W: D4 f$ v2 r
6 Q* W; O+ t- I( Q, y6 M 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。
! ?; Y5 c! o9 y7 `* e9 ]; f* Y
7 M. g! y4 C3 |! d 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。
4 v0 T) x2 t6 Q8 G
2 w9 j' J& m, V3 h* C+ P5 \ 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。
1 L3 b3 x. r2 ]9 C; D' m* i; K8 K4 O; x) k, Z
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”。
- g9 h8 k0 ~" E6 U0 v+ r; \2 z6 E5 `# t6 S7 Y1 R
Chunks5 v( |9 q# {5 K4 k3 f5 x; i
+ q( Q' x" E. ~- k' _
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。' Q# `( P# G1 H$ O
3 G( r' u h/ i1 u' {
% g8 u! x' T* _; E. Z+ k; F9 D图1-2 chunk的三元组 ) l. G, d# x: f
6 f; Z! K3 u2 L$ Z& l9 O# i B! p 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。
D' h7 g) `/ y* `+ w& ^% d2 K4 q9 w
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。
& H* b% P. A: |. p* f: Y1 K
: N% L ?! v4 w1 _, y9 r 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。7 p X* [$ N0 s4 i$ a+ K3 [
& R9 i1 T+ R, k ]" @: d) n
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。
! T$ O2 C/ h4 I( R! s8 P+ x% u N$ { g* i( t2 }
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。
1 F: a8 B R h" a2 l7 U. E; m/ l" n; N* V6 T k/ F$ _
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。
/ s: ?/ T2 o' O1 ^! v) [5 c$ M! u9 {2 C3 a
Replica set
1 ?( i; ^) {' a% S; k3 b' n
8 }" U0 R5 ]0 V( H; b) h' Y1 v 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。
. d/ K5 y, t. _7 I) ?; m; N3 |9 B* w3 Q
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。
* Q' N+ A f; l7 B4 E" O! N
9 e# n) E/ v9 w) B7 F" U/ [ 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。3 S* z+ i! l! U# f3 e% m
( \) \1 ~1 _2 x& ]7 f$ e
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。% \ Z v2 [+ C M6 P: H; k+ ]
2 E- i% T1 @9 [% X) l+ g) k5 v# fConfig Server
' J' B- B4 i( I. a. a# Z 2 f6 p0 n) ~& D: Q7 y$ i
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 a: u' `8 X" e
1 B X3 ^1 `) B4 V0 o2 ^1 w 每一个config server都包括了MongoDB中所有chunk的信息。0 f; N6 l, q: _3 L5 a7 ~" ]
( Z \* a) U* F& U, q$ \2 r 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。
( A- ], ]* E/ q
+ o) ]8 B$ G' c; h 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。
) G7 m; u9 h$ A! K/ h. R- i4 B& G- m, w$ F9 A
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。
/ j9 }( g* U5 k% B7 n0 [1 Z/ b) O
, l* U8 V" P, r3 C6 f- i6 HMongos
- A: Q9 k4 ]/ V$ t {
5 @( H, |1 D2 ]* E9 p# k" [ 用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
! ]* `6 o- u9 h4 `; g
7 M) U0 r* V. J7 {/ Y 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。
3 v6 ~' ]9 Z1 B- K
" d2 f( G; U. a; m8 h( T3 c 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。. |- a* g. `2 W$ o! a$ _
: s" m& X+ ]" B( u/ k 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。9 t9 ^) A3 F+ H
8 F& o: U s ^& L 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。
* c5 e3 g) K$ R8 y4 d* Z
3 m( f) i1 O* G2 {* R- B
( m) h V2 p1 I9 \% x# {: u# b) QReference，
7 q0 g: L4 O3 m/ i9 `- ?3 @
: Q, J8 e2 {- M% W0 i1 g7 P[0] Architectural Overview
: i/ A ~$ Q, l/ m1 G" U. {http://www.mongodb.org/display/DOCS/Sharding+Introduction
# }$ w3 ?' y. o |
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。
+ `- E" H- ^- ]' ]( K* j5 R/ t