|
|
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。5 b4 p+ e3 G4 L4 G
) H4 G6 m. _) b& I! ~
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？
0 I& o% x) G& O) i- @3 Q7 R( d8 Y; i: D- @6 h: Y& i# N8 N
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。
' o( i8 m9 S5 K$ j
$ G8 c+ f: }8 G' a1 Y* k
3 Y5 `0 U/ k% [; s' \' g8 H6 F2 S
( p3 A/ p% H; l9 Q4 g, a! k2 F图1-1 MongoDB架构图 : A' [( N! ~6 L- J: ]
& s" K0 G D4 _+ e
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）。( p5 Y n! D/ \; o' L' s/ p
3 D6 L- j0 N- w( \* kShards# w3 e9 \5 i& T Z2 p# \2 |1 ^2 E
/ x6 i8 _! ?# z+ Y8 B 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。. j8 z( I: V" u% N2 J
' J5 m+ E9 G1 s |, H4 |
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）。$ \7 ]3 ^; k _; C; x; ]0 r* N& {
6 T1 x+ p M( T
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。
- v4 ~ v! C: Z4 R! x C0 Z* V* O" } Z4 X7 q3 y! F* c: S) ^
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。
5 R" G" H. L" ?2 [0 `# V; F
4 o' y/ W( ^0 A. mShard keys
( R/ u) W) U% B% ` 7 Y* |1 _( |$ X: T/ d
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。4 C5 ~/ V) Z# f" O0 k
1 `& s' ], n0 s
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，) ]0 w: t E6 N
6 A E A, D- T2 \/ Z1 [2 x! x
{
9 F% u, d L* j& j: ]! y "ISBN": "987-30-3652-5130-82",
j) u& ^4 m) O "Type": "CD",
9 ` O3 m/ G$ K. T% @% s4 I# i "Author": "Nirvana",
: I5 d0 }% S: Y& G# B w "Title": "Nevermind"," H+ l" z: U- E- ~& ~% K
"Genre": "Grunge",% c: M9 q' J! p: T# R( ?
"Releasedate": "1991.09.24",7 I! ^: J, O; X4 U, o
"Tracklist": [. r+ k9 d1 y. U1 @2 n7 O
{: z" G+ \! L4 S5 E/ |0 ~( x) s
"Track" : "1", A$ v6 u7 F! A7 B2 }
"Title" : "Smells like teen spirit",
/ s: y% Y! j9 t" D& _: n. Y "Length" : "5:02"5 R; U" K ^, l! g: q3 R% n( v0 u
},5 |! \ @/ Q4 O; w2 a
{
9 m" R: b1 a- t7 E0 ?2 z2 k) M "Track" : "2",9 a+ O" Q7 E, T- m0 p/ U2 t
"Title" : "In Bloom",
& u/ Z. L4 m2 B9 ? "Length" : "4:15"
9 H. N$ r6 h) L" r3 G' \* b% {/ j }8 s1 l7 r' V# Z$ l
]
# [+ w- o, j1 U2 s3 U}- p! j4 A8 M$ r3 W% C( Y. g
" A) u. V* p+ g2 t{
% a. x: @) X1 P* J9 r* c. c V+ ^: M, R K "ISBN": "987-1-4302-3051-9",
" s: u1 n9 _& a/ W3 r6 F "Type": "Book",
8 l% M* g3 q, F) m; }- A; f# L! e& N "Title": "Definite Guide to MongoDB: The NoSQL Database",; j, \% F4 p7 A: A! @
"Publisher": "Apress",
8 ? `+ w& b3 \" ~3 B "Author": " Eelco Plugge",5 N! Q U, \$ k9 w2 q$ @% J: v+ o
"Releasedate": "2011.06.09"
: s& D# h6 J. v$ f2 {}" e1 T$ ]/ I% ]9 l* m
) {2 A \: D8 h, h4 ~ 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。
$ {4 m" q" c. W( N2 ]( M' L7 ~, z& g1 N1 W1 H) R6 Y
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。
( {' S+ N- _ A# C0 Y; G6 F9 `% k9 Y( ?* _2 \* z( x
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。
# j9 u4 b2 }; Z" g
% V: U" H+ t8 N5 w 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。 R1 ~' A) R8 L" Q( h
) ^5 g5 s7 ~1 w; h0 d- w
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 I; q4 M: s2 l
- {" T" x# E! G$ E4 J6 N3 ?Chunks
1 Z0 R# G- }1 L# ?% u2 W- b& c , p& Y9 n& K" F3 [
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。3 t- G; L8 X3 K) C& S1 l- \
; n" ~* f. ^ s8 v
. z: R1 ^; c1 F/ V
图1-2 chunk的三元组
, o9 P2 {7 t- ^ g& H0 D3 u a0 U4 E' O/ v* a" D) F$ v) v6 P2 S
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。 K! Z$ f8 d7 e9 R& D# ?
5 a$ N! W2 K/ l3 H7 Q
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。
+ W2 V5 _( ]- I8 s8 T7 d
9 m3 ^9 K9 G* I: u+ ~9 E 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。8 [) r: |+ u. G- K+ A; B
, {1 h4 A# j8 z# v 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。
; N9 q! c- Q7 [7 y7 n2 _; W6 p( B, F0 H' g
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。
! T3 N% e" p, q8 o2 ~. l a
" C4 I8 z4 E; R% e) o) u: \ 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。5 x; b* [, A3 q* j P0 g: I
! J( ]. n1 t0 u4 ^" k1 ^8 `5 r
Replica set
8 l- ]( w# q X( G; Z) G
, C! y* b# ]) G- x2 j! |1 j! ?: r. b7 R 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 T7 l& t; p! {4 V( N. o$ i. O3 Q+ X# W4 J( _# O' O
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 o2 _. _# e3 G6 C. |0 t/ D" s s) q7 d7 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。
$ D" |3 _, p% N& t
% M" [" s2 y Q6 Q5 j- u8 E8 [/ T 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。
7 i7 @% n! x: c4 N& {; Q x2 B
8 S4 l* Z$ v* p$ UConfig Server
% E) M% ^6 |8 _; K. a0 o, s
' l8 i8 D& Q' m" E6 g! ? 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。" V* d W, A7 ~9 I5 R9 b
8 W% D2 l3 M( C% }7 C& J: M
每一个config server都包括了MongoDB中所有chunk的信息。2 W. H6 {1 [. ?3 d& K n
) B; N0 u% ~! h0 i. h% ]7 I+ A 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。/ l1 q t. K' T# x; D6 \2 W! }- w
6 g7 l s) o) a' v 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。- f N/ v$ |/ l* |* f+ c+ ?6 f
/ d# T( n9 `7 w: v 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 m& F+ c( \1 i) [% K+ |" |0 E' `0 G1 H2 P* f+ w- `
Mongos" S8 x+ T4 I+ G* T4 h6 f( c
2 Q+ v7 [. n3 p2 N- x
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
8 z1 |4 j% Y' k# {. F8 @/ [. y" I! c! w# N5 _0 }# 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。
3 v* N) V, R, i9 V- r7 q+ g4 O9 Z8 J2 [) m1 V& o N! ?% c
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。* r+ }2 g! [( l8 [! S# l$ j* Y
- }- K$ |/ l9 n- y' s 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。" Y6 r4 L4 Y6 N" ?: k% d8 B0 v
3 i8 K U- S/ U- S1 _9 } 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。
, C, p) R7 V7 r" Z* N7 o0 C* O
2 _3 O, ~3 w/ L" z+ g$ I% e7 i4 c. A' f5 b+ H- K/ A6 L' ^- {$ c* W- H
Reference，
4 Q. B0 S! y, E5 u# I* Y
$ r4 c, K9 u. f0 Y6 T- t5 @[0] Architectural Overview0 C! L6 V" C5 i d
http://www.mongodb.org/display/DOCS/Sharding+Introduction3 j* l1 A+ i9 U( B, C0 D
|
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。
+ Z4 @9 m" K! ~; `