|
|
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。# M( r$ i: R1 v* b; @5 w! P
- q1 z& C% q3 V D+ p1 D- U 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?* Y6 A8 y% S! N5 _, W0 f* S" T
# _* r! G. v! 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。
& c. j3 ^4 \. M8 W- V6 d$ D: H2 m4 f8 D: \9 L; W
U) R( s, k/ g' p8 ?1 @9 v% i9 v5 D
图1-1 MongoDB架构图 - z5 ^- |' ~3 p
7 o$ x7 P% W/ B 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)。
. h* O( j' Z1 O. X$ `: m
5 f+ v) Y7 H9 fShards; M/ L0 d$ {# m. E' V( P; C' J
6 L& E, ~# G* W' f8 p
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。
- i# {5 s1 {/ w! C" h" D2 W1 S0 a6 E/ @* h% j( A7 k; s
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)。
- m! C6 V5 E, a0 A l. c
, d; r! b. Y4 ~; E( ~6 ~ 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。
; ]; s9 S" E3 S+ B
! i' c9 K, x" k0 ^ 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。
- y7 N# `' e# ^0 O3 R. k; n2 |5 o; X. q4 S+ }, [* p
Shard keys
: n. A! V1 A5 u/ A0 G# C 0 [' f+ v% P2 R( W
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。4 q5 J, b( {8 z" H2 L
! R5 A1 H% l! D0 D) c2 P 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,
% X/ |9 Q( l" |- T# s1 u: M" Y/ L) I% |) i, `5 a, n0 L. R
{8 `/ N& M# o* j, ^0 R' A
"ISBN": "987-30-3652-5130-82",
; I/ D6 L3 V# ] "Type": "CD"," c; h( M5 R5 C
"Author": "Nirvana",; H7 D- j/ h6 s P! q
"Title": "Nevermind",
6 } b1 x) o+ ` "Genre": "Grunge", N6 I2 D' P' q4 s
"Releasedate": "1991.09.24",9 X q0 A) e* K
"Tracklist": [
2 X, K. I" B1 m' t9 g4 c/ k1 E& m {% t4 X+ _9 o) I
"Track" : "1",
. _- h1 U1 f* l2 \/ n "Title" : "Smells like teen spirit",
" R! ^! \: o2 c! E5 [: } "Length" : "5:02"6 f) s/ m! r( l- L
},
' ]% E) o- C! U+ G6 U; m {7 g8 X! s6 q8 Y; y& L+ o( l
"Track" : "2",' R/ q0 C$ B8 G3 s" a
"Title" : "In Bloom",; D. u3 |, u1 a( Z7 s1 T* O8 @
"Length" : "4:15"# `8 C8 q1 {. [$ [) u
}
, g4 E; C) ?: ?# w0 | n ]+ q# e' t+ G& d
}% u* a) c4 O7 V ?# p
; n6 Y7 b: H6 i a- L4 y{
+ }( \# A* T3 ]5 a; V+ A8 P "ISBN": "987-1-4302-3051-9",, r; U7 i+ V! ~5 R
"Type": "Book",- z J- m7 {$ W) m) p* G6 N$ g
"Title": "Definite Guide to MongoDB: The NoSQL Database",
5 |* r: j4 u0 U( w O "Publisher": "Apress",) m, [( N0 P# f0 [& s; {
"Author": " Eelco Plugge",5 M$ \, H* I1 M% P9 S
"Releasedate": "2011.06.09"
9 @) B. L1 x2 X+ y8 G}
`7 Y2 } j* P
9 C# @/ n; n/ i7 p \4 n, ~3 l 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。. g* K; `& G4 E G+ K
' Y/ F1 X8 h6 d1 T- v
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。+ h. g( r6 D. y3 }! U" x& M
9 m; B. L# s6 z2 G& i1 }+ ~; s
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。# M8 ~; j; d4 k5 O, G$ e
1 i+ D( M. ~6 k$ v 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。& }! e1 f. P9 s# z
; J4 K' B4 P8 _4 s) C
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/ k1 p$ m4 T
% W( `$ Y0 n1 `5 Y: y, T+ U+ pChunks
6 t/ {6 A+ {$ y/ ~6 K$ N8 k3 X
; W0 w1 T' _# t" b: B 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。
Z- h2 g' }3 |; ]9 _$ m2 n7 F4 y! p$ @
8 O: I5 S. M+ {1 o! v e& c: b
图1-2 chunk的三元组 * R: H: `, T( T( U$ w& t
3 n* s; ~4 J8 C. U5 o9 |- j, x& 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。2 ]! c7 S- _: E& g& i5 [( x9 M, ~
1 Q* p# _! S4 _% p- ]% ]/ K, ?. g 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。
) f* l/ }, a7 G" o& V' V$ c5 d2 ?
3 p" G( Y7 d4 h7 W) Y, q5 a7 Y! V 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。2 s) G& C1 K! J# m* b0 T6 E
. u3 c+ b! x6 O 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。3 ~ g; g* h% @( _+ K, b5 Y
3 z. m0 E: N$ @4 H 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。
4 ^, B' T# [; |4 J5 T) D" T. K5 s5 E% g s
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。
1 l0 m# q2 X+ h1 e5 \3 }* [8 V( P2 d- X- ?
Replica set
/ z; b8 f8 w/ {6 ]2 W1 _$ ~
% |9 h& P% r0 @ 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。
- R3 T; C) N% u& Q" q2 h# l- B& j& ^
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。
3 s" a' P0 o9 u. V! P6 Z3 W' ~' A- f$ [& j) V7 ~5 t: ~( b% S
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。
0 t/ |( W& Y4 \1 e" ^* m) K. n3 ~. \% { ~
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。
" g# K9 Q8 E' I3 W1 j7 ?: {: z7 k: Z2 X& y" G3 B& U
Config Server
; G9 H) B% W' @: c" j8 c
' n$ N7 E, w2 y9 R 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。
/ ~- v. P9 `, q0 f0 ^% q \5 `5 t8 g/ S$ W' W# s7 z
每一个config server都包括了MongoDB中所有chunk的信息。
0 ~& v6 _( Q- V6 j4 u
' h+ p1 n# l& a 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。
2 f3 {5 |5 x: A% ~
" P( T7 l' d+ K 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 e. \5 x- G8 I. ~. v f% v# E: \
$ X' M# s. I9 A( O( u6 V 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。' k* x5 g2 F9 \* l9 h
+ I. r: O& {. Q2 Q' y5 Q
Mongos2 l2 S' y' j) n9 H( O: t+ X. F. z
8 ^& n9 Z( ~' q+ |: J$ N2 O
用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。8 k5 }+ U# k2 n7 {
* B& l: A$ k9 h4 x2 N& P
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。
4 S& i3 s$ P& E4 Z4 ?$ u8 w: c( s2 _5 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。
+ h$ v( w% {0 u
3 i" S1 R z3 b3 B+ R 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 l6 }5 `& o' V
! w' m* E: X5 C 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。
3 G" O0 F0 e' |- L# b, e$ s5 X, C U! ]* _, c
) o/ I1 H' F. v8 d7 }2 p( u
Reference,6 ^& _. f; o) k
6 y! g9 V7 k% M2 m( ` A" l
[0] Architectural Overview
# [, t9 Y+ z' i- u" bhttp://www.mongodb.org/display/DOCS/Sharding+Introduction4 k. }# w& j3 }% R& `% S/ ]7 _
|
评分
-
查看全部评分
|