|
|
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。6 s( Q; ^3 R" {6 E; L3 k; ?
0 j8 n' e- M, Z: W+ e* 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？
/ r& q1 z( j- A4 u3 g$ C5 p. O. y2 p& k( \5 T; _% [
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。
8 e6 {0 A) {2 R- V6 n! w
8 D. E# u" Z3 G
) ]9 g! D8 o V# |7 c" @# x
9 V! o4 O( h* f- i- N. G" \
图1-1 MongoDB架构图 + }3 f V: f. u
; m4 v( G# x7 E- ^# j 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）。9 n2 k0 q. B$ k7 R1 c& r, a
1 t2 k. m5 L9 b' v
Shards+ u8 u+ ~1 p" h: n7 I7 z
6 r0 B5 }7 T7 d" U4 ~ 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。- r. C9 O r5 p3 Z" ~/ {
9 V* N& u. {1 V* |
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）。$ G, {7 F3 \; F6 ^
/ r: j9 R K6 q1 D
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。' M$ F* Y- U& C+ y, D7 t* U: m
. [ t2 X3 M m# W6 o1 D' w 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。
, W- i4 n9 z3 h6 s: S! q' r, f- J3 Q3 e8 N' q, j
Shard keys
( L: H; r$ ?# O% k 9 c0 q7 T+ ^8 e. n3 A* _
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。
, o5 F0 w; r8 [0 O7 @. z W- G# X- D( @3 _: f4 Y
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 A y& E1 y2 [6 t U: q1 {% [6 \
- j5 N; D+ P; H8 H8 ]{
* y% P" U8 C: d) ?( t! k3 [ "ISBN": "987-30-3652-5130-82",
2 O4 k( N$ @0 W/ C "Type": "CD",1 [& B N6 C1 n; H( ^
"Author": "Nirvana",
1 i* K0 {( ]$ |3 _! t* J# i "Title": "Nevermind",
$ Z) M9 w5 M4 ], b8 z" o "Genre": "Grunge",! T7 c: k/ d% Q9 C% H/ X
"Releasedate": "1991.09.24",* C p3 d% k: ]
"Tracklist": [8 a( [# L8 h8 o
{
" E' _) K" x& I( _2 j "Track" : "1",
, g; d. T/ c/ V5 N( y4 Z6 w1 ` "Title" : "Smells like teen spirit",
; J+ Y3 K4 \0 L2 E. N( K; m "Length" : "5:02"
1 p+ L) L+ O* e: I4 p7 H! q7 `1 v. y },+ c& `- K0 z: I
{
) N3 P% c" a& q2 ` "Track" : "2",8 e9 Y3 p% N& n) a
"Title" : "In Bloom",
! L" X0 w( E4 \/ x9 W& `; e' E9 k9 d "Length" : "4:15"1 X+ n$ g9 w0 g4 _
}! `8 [+ q- U y
]
4 P. g9 A0 ~- P3 A6 ^4 a+ s1 i) C}
" ~( H" |- y; r' }8 I* [; f3 O0 i! z
" Y6 ~( Q& @0 e* ^7 {{
# J( [' o" \0 P- n! j "ISBN": "987-1-4302-3051-9",# [2 m( m2 r9 j# B3 l( F
"Type": "Book",# |! |1 y3 P: F1 ^. }
"Title": "Definite Guide to MongoDB: The NoSQL Database",; S, ^# c) E2 n0 ]0 J
"Publisher": "Apress",
k( e; m1 v: M! N" [$ T "Author": " Eelco Plugge",+ G& R; _. D. U1 F+ w
"Releasedate": "2011.06.09"
8 ^- T8 a/ y# \) [}9 H6 h% a6 T* L4 Y
, W2 c5 S F+ ]1 k1 o 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。
, H, `- s, |! V0 n& w
% V8 C# V" l; x- 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。; S7 f( K+ I3 L) m" h5 u
/ ?4 q2 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。" F5 G$ c$ U. h4 N( W
5 E2 m |0 Z2 ^
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。, H. s% @" s) v# g
9 q# P+ ?. R {+ r" u% v$ ?# O+ X5 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”。
# R$ }: x0 @: I' w1 C9 e$ {2 N
# t: S! \. n$ }" a5 M3 MChunks# `; F2 i q" c
# h( h+ I2 I, ]# P
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" H7 f, K6 P n2 G# S K: u" G( h$ `) b( |, Z% [/ n B
" S' N0 b& {3 c
图1-2 chunk的三元组
& W9 a+ a1 }/ o3 M, b& Y$ k# ]- w: J0 d( |
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。
; ?# E$ p* h/ Q% |' ?, b" V
m' _' d8 a3 p1 s 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& ?/ a2 J) t5 y" _# t4 _7 a
7 r1 ` N2 z2 Q 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。* O! ^' a ?/ k
$ H+ H) y- o' n! I! k 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 ?( V7 h6 S+ K5 E) B+ C* M
0 g( ~% t# M1 X8 p2 O( ^/ u
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) ]$ u! {" @ z. m. G
7 s/ R% A2 ]# m# s9 k0 `1 n6 y( _ 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。) N- x2 n- s; i& I& k# x
& I; M6 \$ N, l, E; i( J& P
Replica set
, }- W) r4 y8 O: r) W
$ r3 C2 F9 i9 r; p8 ^ 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。
0 W! Y7 ]8 E: K$ o* H. p; q/ L7 O: j4 Z2 c5 r2 {& x
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。$ O9 H; m8 g: ]" R1 U" } h
* ~4 @$ K5 n3 { 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。
! G+ W$ V0 T6 ~# f4 ]6 v
0 S: D" b1 L0 x/ ~4 @ 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。
" D( Q4 y) z5 [/ Y2 K( l, b
. z0 A8 A' ]7 I" k9 yConfig Server2 C$ Z2 r$ I7 D1 p
& O. g7 J; {8 u, @
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。* e2 v% H0 s5 c% E/ m' g4 t
* H. @7 D z$ F& o3 ` N& y
每一个config server都包括了MongoDB中所有chunk的信息。! E' Z: I4 m! J3 _* a
; @$ G2 A! s2 D2 l' Z0 f
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。
8 N& J1 u/ l+ n
; K* }& O7 N6 T |! i# {2 `' p 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。/ }/ S! l( V2 u q7 Z6 ^; p7 Q
- u f( W: h9 Q0 @% Z- z# C( ?6 }
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。
# {* a. N. W8 b9 S0 \6 L8 V) Z/ t. b/ D: t' }4 v
Mongos
, p- k, {6 R6 O4 H+ m U& H( O$ m; S! l4 M {
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。8 W! k7 P7 @, V
( t" C7 t3 E! ]
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。
' T( R# H: G& X9 F8 ]* {$ f0 b4 W0 d' k1 r
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。( x! l1 K. x3 i5 f4 F
$ E' J( E% u9 Y$ G$ H% Z' ^$ a 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。4 ]3 A0 e# t3 V3 j9 k) d- R
! A7 M$ S0 ]2 [4 F2 y 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。/ |8 z3 F1 g. E0 x6 b
& y% i$ G1 k' M5 |1 y* o+ W2 M- U: }3 g$ e! A/ r
Reference，* Z* ]2 Y: P% k' ^
1 a) T) @. G& q' b, ?
[0] Architectural Overview( c) S& v) k4 E* |
http://www.mongodb.org/display/DOCS/Sharding+Introduction
) F, |7 z% @, J: t/ u9 E+ n& J' ^4 a |
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。
