|
|
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。; t3 E: F6 e- d4 Z X
7 a8 W9 b* q! P* J
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？ p0 `* \; y, W/ _, @
- v! ^# ^& G! v9 r5 W
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。
; S& S F: P7 M D/ B* y7 G) [
; [5 H! L; g, l4 T% E5 Z6 D+ [
- P4 R; x' N0 Z$ w$ f( b% w) s9 c+ a( o8 ^8 e
图1-1 MongoDB架构图
( D# P: [" _6 N+ ~# X, y% j2 J
$ q. V2 A. z2 n) C 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）。
3 z; _' r7 }3 ~9 I- \9 y% N( f3 ]* Y. \/ E1 f( N
Shards
: A$ E0 s# H& @$ j. I6 h r& _- G4 m0 V- h' O4 ]: [4 B% l
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。
2 _2 S7 x& Y3 d1 m( [' w# J
* C. ~. B# Y. }* G' n! j( \ 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）。% u9 i4 A/ F! Q+ M$ M0 w
1 v+ f" i* I7 w0 b1 U
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。8 K5 V0 m) M W, a+ j. o7 m0 e+ W
1 i% f( D. O+ J/ C- S, v2 P2 R
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。
$ L0 T1 O- J3 r% ~/ l
. X: P: a! u8 P( X/ a( vShard keys, K; p; B+ H3 V: A! G7 n
6 F4 w7 b! A' {0 d% c 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。
9 }! i# Z& p# o" o6 M8 U
. v# F: t2 f+ O" L) z9 V 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，) b3 T* }5 O+ L0 p
' T/ X9 t) c V x{
! y. w( S$ ^% j* Y8 G/ Y "ISBN": "987-30-3652-5130-82",% x2 f$ ] E T& n
"Type": "CD",
0 X2 i1 D: h3 q1 `% {# Q6 q "Author": "Nirvana",! |* a2 A) o( _* D
"Title": "Nevermind",3 t7 m- {/ ~, i+ V/ I/ q& e& Y! p
"Genre": "Grunge",
0 Y: O8 @! ?; s: [. `* _ "Releasedate": "1991.09.24",2 B- r: {2 ?2 R% {! }- R
"Tracklist": [
+ F! U: W( o- q) k/ u% O; `+ U8 o2 k {+ Z, z; I# w/ j' M# } S
"Track" : "1",0 c7 {% ]3 L, q# W7 z3 B
"Title" : "Smells like teen spirit",. [2 }; a4 S' g; H! g
"Length" : "5:02"8 i3 t- B) G1 T& D a
},
; l$ N* p w, C j5 @: V) a7 N {
/ z/ X: ~$ {9 a "Track" : "2",
; q# N. W5 N" q# R# J "Title" : "In Bloom",; Y) q# G O/ n: W+ ?3 p- w- g
"Length" : "4:15"6 }( Z' h; c6 `$ Y' W/ w L( ~! H& a
}% e! J! h6 S: p$ f
]( E& e4 ]- f4 p' b
}
1 D$ E: R, N& |0 l: K S
* Z: e& h. N v. Q* i* z, k{4 b6 N1 Z+ y( C
"ISBN": "987-1-4302-3051-9",
2 M7 D# p# U E7 s1 _# M% s& d "Type": "Book",
; D! K* ^" n. y' b1 f6 ]# w9 n "Title": "Definite Guide to MongoDB: The NoSQL Database",4 E: J6 m3 p7 [& C: Q s I& j0 v0 z
"Publisher": "Apress"," Z4 }# i N9 t G. A5 }
"Author": " Eelco Plugge",: Y/ }' Y2 Z8 F2 E6 H
"Releasedate": "2011.06.09"
; l: V1 f( z5 u}
3 R) V+ r, n* D& h# e
2 L# T' C8 @+ w* `+ V1 G 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 m6 ~3 C9 V4 i- C( s2 o
1 k9 v) e" x" o# L6 `
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。
9 v& Y( x) g$ `2 v
3 m5 \$ |% [" M; a( i9 u$ |; f 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。" p4 G* E6 _: \ a) k; ]
* n4 e& D0 I. I3 E( ?# q2 Y2 ^- O% R F
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。
4 R% u% |$ Q! p4 }' |' h
. c4 B) ~* T7 N6 A+ 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”。
5 U% e2 Y2 H1 t8 E+ |8 I2 Y/ _
8 l0 K7 V( a# }Chunks
5 T+ g0 n( l) l( g1 Q
5 Q* i8 Y7 }8 J( f0 [9 H$ U 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( ?% d2 H/ r9 w* e2 F6 p) z6 H
( y) T2 }2 T% X; [- l! d5 R+ I图1-2 chunk的三元组 ^/ P% i9 E+ U, \ c
% F" {3 K. R Y% i0 `
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 m; b6 G5 f4 {
( T# N9 N: a k1 A6 O1 S3 `8 p
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。# }4 Y% X% A0 m0 T2 d
8 G; p, g! Z& e( E% O 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。
# w) k9 U. K" _5 U2 j. f- i- I7 s; N% I5 |" ~, I
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。7 {/ X: x" b% c, y+ K
3 i, S9 E2 W; q( \) m5 a8 d
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 L& U6 c* L, V. N& q# y
; }3 ?# V" N% C, c6 { 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 P2 l: N1 }* }
* r. O5 A6 ]5 V: {! KReplica set
U$ R% M4 V# g " n' j. P, n+ Q9 \7 F7 f
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 P. {! M( _0 F
' @2 s' l8 k- q
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。
7 C1 c" z& Q& C3 V5 V% h$ s! c5 G P c- Y
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。
9 \/ g; U |, y. ~$ A
- Y& F, V" d6 f/ M7 J2 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。. D% x' z- F7 i4 f5 R+ ?
( D8 o7 ]+ T$ m& F/ P
Config Server
. N3 s1 R) _; a# A & w7 ]$ A; |3 f, R% N
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。$ a- i3 ?$ N! e z) a( R" l) v
* c4 Z9 e& g7 L
每一个config server都包括了MongoDB中所有chunk的信息。
- D3 V4 D9 Q. \1 y7 S) A2 @* H" h& c& b
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。; O2 M( p1 J5 `) c' v
: n# p0 w' t4 x8 C4 j& q$ m5 F 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。! y3 ^; J2 `" n9 ~
' f1 K( g: D: N4 M9 T
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 l1 {) t+ f. i% s, o1 A) R
; _$ o! K+ f/ ^5 cMongos
, Q0 U o3 U3 ]' H, j/ ^. C1 G7 B
" P9 L0 n! H, j9 m. j 用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。) g8 y0 Q1 U2 G: \0 ^$ g1 r
. v8 W4 @, z5 l- L3 H9 {8 f
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。
+ j$ C/ C& y' C+ j3 V( I5 M1 O
# S8 R. @/ N+ w' J* 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。
$ j9 `2 I8 }# w c5 a9 U/ @* ]9 m1 v/ F! ?
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。
! k0 A2 P, t2 b7 i, W0 S9 D
+ Z6 E1 S/ N" H9 X2 T 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。
U3 }/ ~; }) O t
4 p- }7 [, Q! i) b" }4 V6 U
6 G0 L( I! H. s/ X' X5 v5 W8 A) JReference，
- g u/ C {* G4 a
( w& O: w4 o$ \( X, t* e% D$ ^" Z[0] Architectural Overview# ~6 s0 I" o, t
http://www.mongodb.org/display/DOCS/Sharding+Introduction
. `" G- K5 ^* Z1 x# m; q |
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。
. C3 \6 z% V" e R3 Y) ]6 t$ W