|
|
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。
; ?. j9 ^6 l$ F e$ T6 F* q" w* i% f O6 _7 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？
- |7 @' ], W6 w5 i0 M# W$ Y- h2 A. Z4 X* I0 d% Y, C$ J. k9 r# A
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$ E; k6 d* h3 C! d
4 Z: n: @& V+ i: C1 _
9 j% s/ x- T2 a9 X: D( n$ L
: g# ^8 x4 l, Z+ R2 H- f
图1-1 MongoDB架构图
]8 r1 b% s5 J' Z: S* ]; H
2 x1 k" O; k1 h6 g& ? 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）。4 u5 \% g- b& c5 }0 B. L+ ~- A
6 F% A [) H5 a! t: W
Shards Y3 D! `$ D9 p$ P3 j: g% A& r1 s
: `1 `5 y) R# m8 D: U1 f! p' ^
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。
* V% g/ O# M- `* J* t3 M1 m3 x* z% q" _- l6 ]: p' L
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）。
( v& y' t) m' b- ?% \1 N
7 Y9 w( b; H% }, ]. |0 C 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。) p+ ~# d, q% T# n' Z! k- _/ o
9 }( M- i2 W: z( 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。0 c$ g6 ^0 P, M' w% x
9 i i2 e( H! F8 zShard keys
: ~7 I+ e: K2 e" X) j: t8 I 0 u$ M% [4 y& a( G
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。
' H# N W7 X$ v: H. y/ ~$ W6 G$ q
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，7 u' I2 F- `1 `
' f# b- M% F3 M) e% ?# M
{
. c/ b9 ]8 ]* |2 R. E! t3 j: X "ISBN": "987-30-3652-5130-82",5 f$ u3 a8 n7 k" _& U
"Type": "CD",: z. v8 b/ l% B; M9 O
"Author": "Nirvana",; w% X. H1 X! w6 |( N) y
"Title": "Nevermind", s6 V, `' R6 O. e8 n" U' Q0 h
"Genre": "Grunge",
- P& O$ s6 B4 f4 m; E( B. ~ "Releasedate": "1991.09.24",
: n$ a3 u* j `9 l' G' a$ N; f "Tracklist": [
$ B7 o% h$ d/ V {) B, U2 c- M4 ]/ y6 b
"Track" : "1",
8 r/ j# `% [; s "Title" : "Smells like teen spirit",( |$ D: J) O0 ]% x# b( m
"Length" : "5:02"
4 I9 {3 N3 U8 ~/ W5 o- f: l. b& ^3 U },- T; `" L% O3 a7 _7 t
{
7 B1 V# p, }' N0 I! B; Z "Track" : "2",
; ]: |5 v$ C# D7 i "Title" : "In Bloom",0 E; J% s1 g7 z1 g+ l4 f) d- l
"Length" : "4:15"
b2 t+ i/ p. J }
" R' R4 a# d& U: T" K! i/ D @ ]
5 x' k& g! ] ^" q" S2 h& Y2 a}
! L' d3 y. h( Q9 q3 \( @" H$ |
8 I3 v- S$ b# R! i5 p, p8 n! `{
- Y, F! \' x: K- e% |5 I/ ?* {" G "ISBN": "987-1-4302-3051-9",# Z. c( {, C- l3 W( K$ b$ R! w
"Type": "Book",
, h z; h8 w5 \9 [- c5 r, @ "Title": "Definite Guide to MongoDB: The NoSQL Database",# @% H+ h$ M2 T6 c- v, O
"Publisher": "Apress",
) m! K1 V& Y+ w! s% u: Q! c( S( e "Author": " Eelco Plugge",) M. L4 H) q! b$ V6 i
"Releasedate": "2011.06.09"
) l7 F# h0 D5 k1 N! n0 [) i}( n( G' S( b, \! Z4 Q
$ v& f* T. A2 u2 d3 h 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。
; R! Z6 P$ Z8 g8 u/ v
; { @8 e8 T2 X1 j9 z' g 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。: f* j" X: ?& M
( R" K0 t+ E0 A
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。
7 L& l0 F. n' ^# m9 G
~* @& F: a. r 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。
' @) u/ c/ ]. U, r4 R& p3 P' K
, h. P& b- ^ \2 _6 ^# ]' e% I8 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”。+ g' \- `. M+ E" O2 Q; G) Q
8 `. V6 r, H2 S3 L- @6 d4 V- ^
Chunks) E% C9 `" c- X( F- a: L- k
0 n7 _4 o: Z k" ?) 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。4 i7 b, t; o0 ~# E" s5 N
6 b$ l2 q- z, Z$ u5 d- _: N2 ~
z. l" ]* V7 t; L/ J* B1 m
图1-2 chunk的三元组
0 x+ w8 X/ K9 z5 G! n2 `) s2 ]8 e# _% t" H: k8 n0 b9 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。
, b( @7 v2 {; i1 j. @6 J* M9 _* j6 G1 g) `( P% { W, Z
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。& A& Y( @0 d$ `# o
4 V! T. p8 D7 \, N+ F. K
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。! w6 U5 @/ \" g& h% S% n
5 u: k) x6 u7 ~4 C' R; Q% t
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。
' H* E) ]+ `: J
) m! C6 w% g6 F$ d3 g$ Z 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。$ W7 k( A* C( ?
. ]9 d \, E3 q( |8 Q
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。) r) N9 {0 T5 y6 X1 d
3 e9 h3 y) \2 ~- k* \$ ?4 P
Replica set
* Q1 m7 N* T% o6 Z1 Y' j
6 p$ b: p" `/ K& W6 N# b, 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。8 Y$ W+ z1 t+ Y! |$ U/ J, o3 h1 c
* \3 b- N1 V( S
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。
4 e0 |, U% c( Z) [4 d& C. ]0 o# M0 \: a( C- [( c3 ~! {
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。, ~* a" x0 d% i0 P6 K
0 s5 \) \4 `( X( a" q; @
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。
, o, t8 y3 a+ e( \
8 o9 @5 i" ^) T/ S _, U, A8 mConfig Server
! n1 X1 E* D d( J' E; P$ M
! j9 q; V4 M6 \5 ^ 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。6 ~0 g. N% t; l0 T) f/ w
6 @+ c/ U7 v0 Q) p/ M4 J+ B. N) ? 每一个config server都包括了MongoDB中所有chunk的信息。
7 g" I" ^8 R% y7 V1 ^/ [) \/ Z- \/ |0 [1 _" d: V0 P# [: w4 t
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。1 g6 l1 F5 b3 } N* ?
, @# h2 W( L, M: R6 c5 O4 D' {
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。
/ f1 @) K- g$ Q% L/ t4 l- v0 @' y# {7 Q) p, }- j
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。9 ~+ d( s/ ~* X! @/ T
}5 f% g- r" J9 M( Z* \Mongos! a$ s+ p8 p+ w/ W& U' b4 e6 r
1 N' X0 d9 W4 ]) Y# Q
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
) K8 w& q8 |% W4 x6 Q4 [4 Y% U, {5 b" u$ c& c2 g2 M# t, W
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。
! X6 ^0 F/ E w/ ]$ Q; H
% U8 `; U( |4 |- ] z8 U/ E 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。
, \+ [1 {% f* I8 p8 V. t! |1 g% x' c
! N; W1 O, q! a 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。* X1 A7 c& n6 ~$ |" d
/ k& W8 L2 z+ ^8 V4 s2 o 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。
" y+ E& z9 t. O* H! A3 H# ^
J0 h$ c( p3 ]" B0 j: O# `4 S
6 y8 R' C* e/ D' ?Reference，& [1 C' d1 ^& }" \/ [: v% y2 L
5 c: }1 b; q( Z& X0 s. f$ d: b) A z
[0] Architectural Overview* I; ^ |4 K Y: |
http://www.mongodb.org/display/DOCS/Sharding+Introduction
# Z' ]6 h$ J5 e3 I |
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。
