|
|
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。7 u1 r h% f8 g4 ]( ^
3 o) r& L+ q* C, { 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?9 ~( ]( j" F0 t* }5 |
4 j9 x& R1 n# f5 C9 N. ~% s% ^5 f: h
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" U" J# l) K# j8 F4 v; n) Q
* x) J% X8 I( }5 I7 L' y
* }# r/ s. ]5 s! X
: L' k9 x# R8 n2 h7 J图1-1 MongoDB架构图
, B5 k+ F. ?; r- j; N; G
0 A8 \+ u5 u0 {: r6 W: c$ e! Q+ A6 A 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)。+ _+ D& Z7 y9 \1 H% h1 r
7 f* F; H" d* B
Shards1 ]2 A% L2 G+ C/ X! J R
3 u; _( d8 u0 _! q 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。0 M3 L8 C+ n, `* X# u
2 P' m% X8 n) p; G
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)。
8 C) k# D0 j6 R. y4 x9 z( V8 v* V" N. H z
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。
3 R: Z1 [$ {$ F- B# p: P1 a- N& j! V+ L
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。: {+ I! f0 u6 G% s& J1 J
+ i3 w3 }0 T" ^+ u# x9 N( f& z
Shard keys
7 Q2 y" Z( N6 P; F! X3 a& B
; _4 N1 H3 I4 |6 H S 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。, T3 ~8 B9 _8 } ^
/ ]/ h& t7 K: \1 X: \% h 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,
% ^; v* k$ F* X) x, P% Z
3 W {% v% W; J( X7 ]{
7 U7 S7 d d |! R8 q( ? "ISBN": "987-30-3652-5130-82",1 J, @2 `& E$ l) N d
"Type": "CD",' I; g3 E( A6 b* F1 a' J
"Author": "Nirvana",
( b$ a5 O* o/ |2 j "Title": "Nevermind",, e0 C" ^8 k# h+ H, H7 X p
"Genre": "Grunge",. I8 c$ E7 q- N* p& f
"Releasedate": "1991.09.24",* n1 m! g% `& a; |
"Tracklist": [) Z" p' f& R( B- b1 @6 K
{4 j3 i3 Q9 A* e) n
"Track" : "1",
! C" y E; ]) ~, j "Title" : "Smells like teen spirit",8 l) j7 J# ?& F' o% F
"Length" : "5:02"
' j3 V1 i3 V- e },4 a2 l1 f0 B2 @4 J2 o4 K& q
{
% M! Y5 n1 C$ P1 [. H' B3 ?% g "Track" : "2",( e; ^3 U. }4 @- g3 z
"Title" : "In Bloom",
/ t+ r( m' H2 U/ I "Length" : "4:15"
, \* E0 u, V" U. \. w }
" k6 g- @ @" J ]
1 W+ K s6 f0 M6 I0 U" [5 ?}/ Z% X6 `2 C4 z# M2 z
! E$ b, Z: n0 `4 G, c7 R0 C( n{
0 p4 T2 f4 R: Z6 R6 A- ^ "ISBN": "987-1-4302-3051-9",! ~0 K, R, \( `, _
"Type": "Book",
* W' F6 t5 ?: A7 T "Title": "Definite Guide to MongoDB: The NoSQL Database",+ \( k% d& L- c) w' h+ _+ |6 a
"Publisher": "Apress"," X0 m- a, A% E9 E) F1 ]2 s
"Author": " Eelco Plugge",7 V* y$ X: u+ Q9 k0 t" h* Z: k) J
"Releasedate": "2011.06.09"
7 W$ J' \' ]. \4 q) B0 D) G9 [ h}
( E) X7 b9 {, w) Z2 ^5 X4 A7 p
_' Z: T5 e# b8 a$ j9 V I 假如,在同一个 collection 中的所有 document,都包含某个共同的 field,例如前例中的“ISBN”,那么我们就可以按照这个 field 的值,来分割 collection。这个 field 的值,又称为 shard key。3 l$ q) W M: N- F. M! y) l5 q
& |, e9 P+ \) L
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。
2 R S7 P5 S) D6 E( A8 N4 m+ M- k3 r( N: S* L$ J" r2 }
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。
3 `* m; |! k, q1 y, V; }# N
& s5 d( b v( l+ V6 L, w" Q7 S8 L/ k 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) P% ~. @
% F$ | N" A8 V/ V' e7 b
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”。
/ O- S5 M: M4 _) O0 v% M
# r6 { ^0 L1 `* b* V" Z# |+ ]Chunks. K. r) S& g6 P# F2 N$ C5 |
) p* p, {- K1 z- d- f
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。
) d& l$ X. C! E+ Z: }3 U" J/ W# y
5 ?: a* r6 y. q4 d1 e9 H. o7 `
, N# O/ \! n: Z7 [( l, H
图1-2 chunk的三元组
% s9 e% W; R; Z' O, Q; ~0 L
& a* L. o" y8 e" [9 N 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。4 k- d& H5 ^/ H+ D1 q
3 P/ v$ _+ f5 T( V! ? T; { 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) w7 q3 ^* ?+ Y8 u
# S5 G- O A2 k8 n2 M( y6 W0 }
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。0 o+ t1 B) N, J$ Q
& C o% r! U$ T0 p$ B0 m( i' Q, m
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。
+ ^( L8 k4 ^4 k4 q
( \$ g5 P: H6 g: w) H& n6 s 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。8 D! ]' k4 v& Y- q' M
& V9 V& l: s I4 | 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。
0 I) p {! a% m+ x& z3 I4 n7 B+ ^8 ~; E7 W
Replica set/ E0 t f, Z* i$ ?* [
) C- x) g& `4 q! _4 i 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。
' _. {( j S( _- B1 P( J }' O3 m7 I G0 b* }
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。. p+ W* O% m+ |
* T( x# @) }1 P 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。
- w6 ]' z* d* ]- T: k# n6 B5 s( Y( ~, O3 I! U
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。* d8 x y5 B- F
( F5 B" X) r' sConfig Server" A% ]& X) S7 E2 h' U: V
9 E! U# J/ M& x, b4 _
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。
+ N0 r& O6 E7 D7 f3 T
) d9 e, M2 @7 u7 S3 c. w 每一个config server都包括了MongoDB中所有chunk的信息。
* e: _- _, ]! L. h `( J/ O
8 M, D5 w& ] j6 E J 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。6 r. Z/ c) U) a7 c
% t$ I( D, h( i/ P2 W! a) @
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。1 Y% C9 E. t( m% K4 m
8 O) M% z T: P ^% {, ?$ i! X* q) ~5 e 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。, R6 \7 q" z: b4 O8 W
) S& L3 i+ S$ J. sMongos# d% Q0 y; E! G; `
- y4 f# w+ e( i; [+ k2 e3 Q2 W
用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。6 e# z `. \$ n: Z% v' n& l
: N; c: y5 ^( ? 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 H, L7 B W. b+ q( W' |/ y! n( I8 z* I6 f
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。0 K# `' ~- W3 P7 W+ N
n3 U% e- @, d7 P/ J" \7 o+ E
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。( a0 n, Z$ |2 {* Y- M& @9 o+ ^( k
& g% s$ q& [+ m8 s2 H5 G1 |4 ~ 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 C# Y' D/ @0 l& o1 {
9 \4 T7 z1 b9 W3 O7 @2 E
; k0 R# y3 {2 o7 y! O
Reference,
) x: P! R0 e1 C" m, \5 y8 L( `) W, O! D, k& o$ k2 Q) J
[0] Architectural Overview$ ]0 ]. ~5 n# {8 Q0 ?
http://www.mongodb.org/display/DOCS/Sharding+Introduction5 b/ K+ U$ G; w C! u3 R
|
评分
-
查看全部评分
|