|
|
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。
1 y/ @9 K% N4 J+ b G' o9 Z1 c* A4 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？/ [" Q, g; c \$ s0 |9 x- I
/ H9 G! ?, y3 W* o2 m2 ^0 e0 P I 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。! W6 N! t+ i% |0 T
( L. _7 V# s! s
. r% k0 {0 H# g1 k0 j
4 B8 j% b0 f- ]$ g/ ~' c图1-1 MongoDB架构图
3 J! {- ?; T: Q7 i8 P& p! @2 [# Z; f `3 G- e( z
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）。- t/ k6 f. Z6 e! W# S
" |/ M' C* N' C% dShards
% h+ [1 }7 I$ m" p+ y% V8 ?7 V! o4 [
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。
d5 K. z# p% e& x2 m8 m# Q& z. S9 z, _3 z
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）。+ c" o- I* e: i' F8 n
# |6 F8 M4 X, p" j$ C6 h+ ~6 W! U* m
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。0 w6 k% d w9 J4 J( }
. @" b" _, r q8 v3 y( Q 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。
+ i9 ?+ j* d# Q9 ~& \& _ m6 m2 p; z9 \3 i- x$ M, E
Shard keys
9 j- S/ C" D, I" g( { # ^ v' F. s4 N- I) O
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 k! Z8 ]5 q* G7 ]% G8 ^% _6 L
" r7 u$ G$ @9 q4 X1 d1 `' s9 X
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，& G: s7 H9 t, b i4 T0 p1 A) _
" `9 l/ K' [( ~6 ]8 l& w) m
{1 b7 r8 O" g! T" Y
"ISBN": "987-30-3652-5130-82",
! Z$ ]: b9 S+ O T' Y: o$ f7 Y "Type": "CD",
U% P% n- i& y6 X+ M% k: ^' u "Author": "Nirvana",
% R1 [: p# o5 c. E "Title": "Nevermind",- a$ |0 P7 L. |5 D
"Genre": "Grunge",) h# x+ m9 d+ b0 C& g% T9 A
"Releasedate": "1991.09.24",1 C' T1 ^. }1 d) W2 l3 d* _
"Tracklist": [4 ~1 P Z. ], J- O' Q+ A0 y
{" m W: \: u& o* j- j: ~" i
"Track" : "1",
% J, F) W: X( n" ?2 l$ Y "Title" : "Smells like teen spirit",
. ~, U, Q% X0 I# u @ ?. a; e "Length" : "5:02"* ?( F# [& Y$ C- d, \
}," T% q$ R$ z0 d R
{
3 x% R0 g/ c# {) |$ d! b. K "Track" : "2",& u8 s9 h+ N9 v7 v$ Y3 J, J1 V g
"Title" : "In Bloom",
+ X, t" S- `6 x) g8 Y a2 z "Length" : "4:15"6 Z) `+ i& G- N+ I4 h* `* z# y, S
}5 j1 u% L+ ~& N# ~$ `2 w
]8 {. Q7 o. n* a) `3 m! n1 ?
}, l5 |9 a) g3 \) y
2 a b) n; D, q; w{
' ~3 W0 P4 }7 r' E* S8 W7 t9 V+ l "ISBN": "987-1-4302-3051-9",3 e: b7 P$ i5 b2 u) y7 M3 z5 @/ K( g
"Type": "Book",2 h' E. l6 J1 O
"Title": "Definite Guide to MongoDB: The NoSQL Database",% X: J1 Y v9 E( T/ ]2 d
"Publisher": "Apress",3 E8 l) ]* W* `7 _! f! }
"Author": " Eelco Plugge",
- L5 I$ y& ] o2 }( o "Releasedate": "2011.06.09"
) F0 r8 ~" r# Z" r}
6 s& W! v2 E' D/ b! D# Q( X3 a6 B" U1 H/ z& ?, }$ 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。
& W5 ]/ H, U. Q3 z2 g: M
4 H8 `$ ]6 P6 ^ 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。$ c x5 }8 u3 z$ |( L1 M% H3 d
9 W) i5 M# E+ t$ m( M- w2 T, 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。
/ ]: i( g! L; a) K$ \
3 b6 q4 O, i' } i& @7 y8 @ 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。
b- }% s# z' f B
. R+ v; `' Q9 O8 v. T1 A 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”。* u8 o: x- W! Y0 X' W
* L0 t' D- Z4 {8 X
Chunks
5 r% l( n: ?8 s& a/ q
" i# a1 m- [3 q, C, w 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。9 [. U2 Q9 T* A
/ |! [1 `( v! C; b+ h" l* ^
' [, @0 S- l' z6 N/ k图1-2 chunk的三元组
! O1 g! f6 ]1 O2 v' j+ V1 m& g- C. c7 J. R/ ^0 Y
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 [! H- j3 P7 r- ~! M, B7 r9 f6 y6 c' y( J( x9 |6 ~
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。
( u+ P. A# l+ x2 Y6 L3 ^
6 X2 E/ [7 ~' i7 V/ t/ H6 o* V5 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。9 w: {3 L3 c8 N- G+ l8 t* ]
; N5 v# U, a E8 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。# P+ {, [6 J' F7 j/ @; L/ q
0 C6 E% d7 |. _2 o5 ^1 i6 V% 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。, |3 E% D4 n. |
+ A! p9 h5 n+ z% ]3 z$ b 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。
% q4 v0 U5 u7 m4 H* X/ g
: G5 {; U1 M: [; G8 Y& _4 v2 LReplica set6 J+ t# j0 u$ F9 E$ Y
' ]& [8 {$ p% `9 [( h$ d
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。1 N3 N1 H$ M3 @* W& q7 O
7 Y: ]# a8 ~& \3 G 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。% m# {8 U( p8 f" T2 P$ _4 i9 n$ U) Z
6 L" I' s/ A+ Q" e
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。7 m9 K( j: u, I6 E9 T
8 y; s: U! b- 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。
9 \0 v7 C. Z) ` V6 s& @" R; h; A& q
8 i; t4 `4 r- L* u* {Config Server
! z4 O& A( r( |& W2 K" [ + r/ S3 y B" 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。
% d1 [9 W m i+ ] U( a/ g% l
% y7 n3 i% h/ E5 h0 F 每一个config server都包括了MongoDB中所有chunk的信息。
/ G1 i; y6 |9 }% N# }
2 c/ I# m4 p. c1 v' F+ o4 s3 M O 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。: L/ ?6 ]* A( H) w1 t' I9 u
) w9 [ {' X* ~3 {# Y5 |
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。
* e) K9 k: S$ K# S3 ^" z# u. B& A' Z0 z5 C
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。
5 K, O: z% d7 m
5 P3 X9 g8 a1 i7 {4 }Mongos
`2 \5 t" ?+ E1 a. G# H* y0 K- T
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。. \6 N1 A+ I# P( z/ L
- T2 G/ \$ q' g$ B" ^* D* a, X3 J
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。
+ |6 Q4 w! Q$ y4 j- n+ E
% P- j4 I" M; u 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。3 C& R) r7 X% v3 f
( n8 V5 h, g, I, O. F3 m9 s' j
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。8 T! O/ z3 g$ s# G
E. H* ~3 q$ |. W 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。
1 B; K w) `- f
& i. m$ b/ C0 K/ \
6 K8 h+ t9 e7 P: B" T7 i$ AReference，! V0 `9 Z2 |+ l7 X _* S
) M; {" ~2 L) H- P- w4 E
[0] Architectural Overview6 S2 N( q# `0 z( h- }
http://www.mongodb.org/display/DOCS/Sharding+Introduction
0 s1 ^- _" y2 h( K3 E |
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。
+ W1 U7 V& z0 j- G* L b5 |7 n