|
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! a3 Y! J8 s' F- T- d
2 R9 h9 A# @/ J0 \ 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?
( X8 Z. U9 q. V& D! k
" K3 C g( U" x 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。, m v ?2 {3 }0 x5 P
8 e( y+ b0 v) F% o% U" Y K- T
- A4 l' A2 D, ^. A# L1 X5 d' ?) ~
6 [' z a, M! G2 R( X7 n' h9 n
图1-1 MongoDB架构图
+ z/ q: z7 Q6 Z- i2 U
! w$ j5 F9 x" b# {. p, t6 w8 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 q, r( R) U# v0 s7 z% W6 \$ Z- V7 |- u9 b3 _
Shards
' d- R! L6 x# h$ p
3 W* L2 F) _ t; C5 H+ a 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。
l' [9 x6 Q5 \* s+ r2 _
9 @& o! l( R: d% Q+ |( \( ~+ q 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)。
# q& Q A- @ j1 T- a+ J: g# F, J! r5 g- S" y3 D& f0 \" T7 a
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。7 O. p1 V7 H6 v+ I8 B
1 p6 b. W$ N$ g' R5 }7 B 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。/ l! ^4 Z% ^0 B" T& h- @7 `
8 z9 |" w3 d1 | E" R5 y
Shard keys
' r* y* s& z! R7 k8 G3 U$ E; v+ E ) J3 k4 N# C) s5 Z; J r
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。- f+ J2 a4 D$ K
3 n* Z* U+ ~5 P6 B9 L
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,& M; K- a% U' I3 o7 \
9 C) \! I3 k; q s/ z+ M+ U) \{
+ N& @+ W2 U- L( i "ISBN": "987-30-3652-5130-82",, ?' i& _: v( [$ r! h7 b# L9 z
"Type": "CD",
; @! m. U7 R/ A( h5 e, M$ i6 ? "Author": "Nirvana",
' ?: h0 K% q1 F2 C% V' l# I "Title": "Nevermind",1 Y3 m# H" v; n7 N u
"Genre": "Grunge",
( `. y0 s" h( T* {, P8 {; n "Releasedate": "1991.09.24",
2 f# Y# ]: P c% H k "Tracklist": [7 t# k& J1 S6 I
{
- q* Z+ C& q |# V "Track" : "1",
9 @( f. D: C4 p0 }1 z* b "Title" : "Smells like teen spirit",
* y1 _) S" Y9 D1 n; d) D "Length" : "5:02"
# K& P! r8 o; _1 j1 Z },+ p- S) u; Y8 i$ L( ?! G
{6 J! [2 n7 y/ ~1 n$ M, _5 n
"Track" : "2",
. Q5 K$ `3 i U1 B I' v "Title" : "In Bloom",8 p2 [6 K# G- L
"Length" : "4:15": Y1 c/ ~9 y; j6 U* _
}/ k3 {( v1 Y, O% q
]
/ `; v% S, p1 B}4 Q: R+ Y( l& O/ w- g
( p. \ z+ d$ h0 v; s& F
{
y) e1 r6 K( E/ l" v' Y "ISBN": "987-1-4302-3051-9",
* [! L. @+ ~& g: e% s "Type": "Book",% d5 j6 k( |/ o* @6 ]9 u
"Title": "Definite Guide to MongoDB: The NoSQL Database",
- D3 ? R+ P* Q, m1 Z% j4 g* s2 M "Publisher": "Apress",# k9 L) V7 |2 h) @* K; \5 ^/ F
"Author": " Eelco Plugge",- v& y5 d/ g E! O9 h. I- H% F9 v
"Releasedate": "2011.06.09"
6 Y- _* {7 r. W. i* B}
' y" X% f5 L+ l* v6 {
. e; _6 A4 u; N% R9 i2 k' V! X 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。
; B: o( W' p$ k& e9 [# z
' G/ D, _9 P! D' { A 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。$ ?( I; s5 C0 o* a1 R0 }8 X
3 }8 _0 B3 _( ?4 w
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 d: T: I; C" f: {! F9 ^+ }' d8 U2 p- N; G# p# 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。( n! G4 E$ R% l0 ?' G* R5 S Q
: |8 z; i+ o" J) m
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& ]0 L. M) Z( R" r2 h
/ q, u, m% Q; GChunks, V! ^8 G- [* B: Z% z2 e: j
/ p& N! h& V0 p" 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。) M4 Z, @9 o- Y5 a( g `0 B
8 I2 F( F. [0 N
0 _/ s/ \% p( ~% T \! _' Z& V, a
图1-2 chunk的三元组
+ d4 V6 w8 n* w7 n, r1 i0 I7 {/ T! L% i% w
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. T: N, b) G+ G, p
1 M- V# o$ D1 l$ ?% M3 N
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。1 s# `& x" F2 @' H) `
8 W2 W1 ^' U' ` 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。! {$ z" K2 o# e% a9 a
4 H/ r b% V' P; z) E Y" X 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。
1 v- R0 ~% m8 y* ~4 E$ J
, u# n- b. h+ e 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。' H) |- p- a) n0 X5 Y; \5 s% T
. O W' @& |0 c 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。
9 ?, e3 G/ v" o& r5 j& ~% ~( g
. s9 B5 e/ N1 mReplica set# w0 i w; ?& o
# Q9 w9 C" v8 X( N4 s0 ~* c1 p 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。, f3 j* ~ }5 ?. p+ t& c1 f
! P6 }, C2 J% j2 Y' |5 _6 M6 E 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, d3 m" D v, ^3 i5 E7 j% u2 M
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。
2 Z5 V- q. ^# p$ g/ _% k$ u
/ p( N: i T. l4 j$ T4 N 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。
+ s5 c" k# ]! [! z* M, v. u2 X4 z( N
Config Server9 T; J8 N# ^8 R8 Q
2 H4 L( Q" p" S- F6 u1 w0 v: ` 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。- q; J: {' M1 |0 S( S
/ K ~( k& O+ M; R: \* |" k& s. x
每一个config server都包括了MongoDB中所有chunk的信息。
/ v' K. \5 d3 N i1 M) h5 s# }" j6 D
4 w6 }7 J2 q9 y8 _ 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' T% c! t- i+ n4 o8 T% k/ p6 Q8 v6 m' z4 v% V; c+ t' `5 T4 C
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。2 ^# R% Z) Z: }& |$ C) p( h
' |6 i$ B5 ~- x4 Z4 [) m5 h5 O1 b 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。
0 a% E1 ]# K, h& S9 Z3 T/ j! {& w1 L& y0 U; N
Mongos( D% L1 z( r, C, V
/ X0 f( e- P5 \% p* U/ U
用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。4 g M, j$ N0 A; b ]! S- e# w
6 {% }0 M5 ^" e! e2 ?. k
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。* o; c, | F) t& L5 ^1 h; }
8 E. @" T6 ^7 m3 c$ E' W 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。
( g' Y. a& {2 r/ G) Z4 t0 R1 t: O( o- p F" X8 X: J) W- H9 u
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 K+ I" n* ?6 l% s# |% c
8 D3 g1 p5 e) ~2 J# o( H 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。5 _: q6 r5 G1 z( E" M4 V2 R w5 V
5 i& i8 `2 I* W$ s( @/ c+ {: W2 ?+ D; Y
" {6 X% |" n h- y L. A3 RReference,
4 q0 V& t& g7 H8 P
; r, B \4 Z7 p" _$ Q, U[0] Architectural Overview
' d3 ?$ r5 V) Ohttp://www.mongodb.org/display/DOCS/Sharding+Introduction
0 f3 }5 L+ Z" ?6 d) l |
评分
-
查看全部评分
|