MongoDB架构概览

shengnan007

    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。

# ]$ r7 _; c+ v6 e0 ?    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？

    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。
4 G+ u, P: Y! ~! \6 A, `! N

6 l- g7 V  f4 C' `* f  q
图1-1 MongoDB架构图

" v$ z& A, M1 o0 B' [
9 m, m& h6 ^1 S" P/ J. \) ^    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）。
" |+ z1 o" H2 N" W) e& U, i
/ S# h+ K* [2 a2 }. D, r& SShards
! D  _5 g3 [% F
    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。

# E- T: s) v  k    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）。

: L* C1 S5 S/ D% 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。
  X9 Q  D4 \* i! H  Z! o
    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。
! z3 y! Q; W5 q' s0 H) ?
9 I6 T& Z: e, {+ c$ W/ R. K* RShard keys
& Y9 X( G9 C$ s1 Z        
    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。

    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/ e8 [& S' e% j6 `
{
  q0 b0 B7 y1 c$ V/ [  "ISBN": "987-30-3652-5130-82",
* S. K6 {7 Z. y  "Type": "CD",
& A' f0 M  Q3 O. s' e( v/ d- p  "Author": "Nirvana",
  "Title": "Nevermind",
5 Y; w5 x) o& v  "Genre": "Grunge",
   "Releasedate": "1991.09.24",
   "Tracklist": [
6 \+ i; [4 @4 g6 @+ w     {
        "Track" : "1",
" {$ @% a4 w3 N( A0 E1 f& [# ^1 B        "Title" : "Smells like teen spirit",
2 J: M2 `4 l9 a( u' ^( |% ^, O        "Length" : "5:02"
( m# z4 _; I/ z  \     },
     {
  P0 O5 P2 K1 A: ^/ m6 w9 ^        "Track" : "2",
        "Title" : "In Bloom",
) g3 o3 w5 `, V" P        "Length" : "4:15"
. U' A+ ^6 H1 }* d8 b     }
   ]
}

; {! N- v! d9 N# g{
  "ISBN": "987-1-4302-3051-9",
  "Type": "Book",
/ b  W" q; `1 ]4 g0 _# A  "Title": "Definite Guide to MongoDB: The NoSQL Database",
  "Publisher": "Apress",
4 z$ R3 T: t& }  A  "Author": " Eelco Plugge",
  "Releasedate": "2011.06.09"
}
5 s" Y2 R) |" b3 ^
    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。
/ k. D8 Y2 b' z, h% h: c
9 L8 Y; D! _9 r$ U  T' q    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 _7 I5 ~; H    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。
+ G. x0 C' y! _- W. [
0 w3 x7 g6 F" C, f, \" X- J0 m0 V    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。
8 n! z' T3 d$ X5 u
4 R! V* r% l6 y& U  @1 o' X    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”。

Chunks
7 o$ l8 n; T0 A+ X8 m4 d        
& z% X* C0 ~% @    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 F0 a7 ~0 w0 f: X5 a' d# a
8 Z7 }& v& k6 y

图1-2 chunk的三元组

3 Q5 a$ G: F  P1 ^6 p" |. ^) u
/ b5 V6 Q) ~# ~2 |8 Z+ Y+ \4 l0 K    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。

6 i+ m) z, `- G# E$ K    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。
. L: `5 W5 |4 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。
3 a0 K; Y6 p, W  P5 J; x3 j
: |% ]! g" P8 Q$ O    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。

: u! d- c5 x$ l) N7 M8 l    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。
# K% H1 S0 P( X' C* M1 i3 Y
    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。

Replica set
/ A! ]$ {5 e  ?; t# E# G2 M        
9 H- E4 B0 @5 v2 g    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。

6 [/ f7 E7 n: x. A0 A1 k  X" U    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。
+ Y# r. |/ k! x! t; e; q
- m; M. ^: \: N# _1 O: q    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 @; K3 ~3 u- w, @1 H
    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。
# g% ~, r% y% r; x% K0 [* L
* p1 M7 H- `7 u  W9 \7 ?1 NConfig Server
        
    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。

3 n/ H# y4 q! [) e    每一个config server都包括了MongoDB中所有chunk的信息。
, g% l" z4 K( ]0 y/ d/ ~  t) v+ 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。
5 x' R! j" t7 k+ v7 x8 C1 z
    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。
; o: G4 a7 h& N# _
' B$ k7 X: ?" c% U, L& w  I; a    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。

1 r' F5 L) Z, s) l  i0 w# O: WMongos

- Q# Y$ Y' y3 A7 t  ~" a6 U1 I    用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。

6 B% I3 }/ `. j. J! @. G    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。

    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。

    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。

! M! ~; Q3 g0 ]' s; T5 a    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) J( \! k9 a, f$ D# M
; F! R  D7 F2 D& y4 TReference，

3 p4 f% Z2 D; P: O. _. \- V[0] Architectural Overview
http://www.mongodb.org/display/DOCS/Sharding+Introduction

PenPen

! J* s2 h" o7 w) [# ]
6 \5 O+ y2 @0 ^* ]
# k( ~7 o8 K. ^$ R' y6 ~5 s您是和邓侃一起写文章的盛楠么？

shengnan007

呃。。。是我啊。。。

shengnan007

PenPen 发表于 2012-9-18 12:40
8 k2 W: j  w: v$ D  c) S+ Y, j您是和邓侃一起写文章的盛楠么？

0 E0 H& p1 U6 N0 P5 `4 |, Y. E是我啊。。。这都能被认出来。。。

PenPen

shengnan007 发表于 2012-9-18 12:44
是我啊。。。这都能被认出来。。。

3 t: N9 a. ]+ a; ~+ V4 f, e2 {& s这篇文章我读过。开始以为是转贴的，后来再一看id就发现真相了~

shengnan007

PenPen 发表于 2012-9-18 12:47
这篇文章我读过。开始以为是转贴的，后来再一看id就发现真相了~

多谢支持。还有两篇一会帖过来。后续的还在写。边看源码边写，比较慢，hoho。这里是要推荐才能变成正式会员是么？

不爱吱声

shengnan007 发表于 2012-9-17 22:49
多谢支持。还有两篇一会帖过来。后续的还在写。边看源码边写，比较慢，hoho。这里是要推荐才能变成正式会 ...

! n, U2 R2 t+ I3 e' l& E  q欢迎，欢迎，已经给你变成正式会员了。

shengnan007

不爱吱声 发表于 2012-9-18 12:51
欢迎，欢迎，已经给你变成正式会员了。

) p- B; I' Y* D5 j* P9 a多谢多谢啦~~

巴山

我们现在的 technology stack 就是 php + mongodb，涉及财务方面的东西用 postgres。
6 G; K: b+ m! B7 D* x' b. b

梦晓半生

谢谢。

中文看得真累，大部分还是英文术语。

这应该是一个系列吧，后面怎样寻找，执行指令等开始入门，还是说的太简单了。
! w3 z2 N7 {+ t1 D  s
! h4 h5 O9 r0 t" Y1 [' p; \现在distributed DB在那些大网站很重要，现在开始有跟已有DB分庭抗礼的苗头，不过不是那里工作的话，其中的奥妙大概难说清楚。

shengnan007

巴山 发表于 2012-9-19 03:38
4 B: s( O, Q, K) _3 u我们现在的 technology stack 就是 php + mongodb，涉及财务方面的东西用 postgres。
5 j+ ^, Q1 Y, k& @; k4 Z/ m& k
( O1 p3 S8 \2 k ...

mongoDB作为存储是没有问题的，财务这种核心数据，还是不建议使用mongoDB的

shengnan007

梦晓半生 发表于 2012-9-19 04:21
$ @3 M  W9 a5 @, ~; L2 M6 }3 N/ q' O谢谢。

# E+ Y1 q% o* B7 X/ M$ O2 k中文看得真累，大部分还是英文术语。

现在关于mongoDB的文章，大部分都是在告诉大家怎么用，涉及到内部运行机理的文章，数量不多，而且不成体系。这个系列文章的目的，是让大家了解mongoDB的基本的运行机理，这样以后使用的时候，可以知其所以然。但是由于这方面的资料很少，我也是到处找资料，写了这么几篇，再往后，就是边使用，边看源码，边写了。

profer

shengnan007 发表于 2012-9-18 12:44
是我啊。。。这都能被认出来。。。

  t4 h) o# j5 q& l$ Z是邓嫂么？

shengnan007

profer 发表于 2012-9-19 14:16
& z4 C: R: h; V- m! w9 z, ^* L5 p是邓嫂么？

是邓的小兵

恶魔吹笛来

有点惊讶 居然在这里看到这篇文章 呵呵 静待大作

梦晓半生

shengnan007 发表于 2012-9-19 08:44
2 U6 W* h: o5 |8 _; ~现在关于mongoDB的文章，大部分都是在告诉大家怎么用，涉及到内部运行机理的文章，数量不多，而且不成体 ...

' z: X/ D$ V! D) R4 h太好了，期待中，希望都带上英文reference。

" Q2 _! O% ?8 }% W9 O现在这种新技术很多，Mongo是比较流行的一个，我这里附带一下一堆NoSQL的新系统，到最后估计会有几个胜出。

http://en.wikipedia.org/wiki/NoSQL

shengnan007

梦晓半生 发表于 2012-9-20 00:57
* ?! f# y5 F) J  B7 \太好了，期待中，希望都带上英文reference。
! A8 }3 l, |. a5 U) y" S
现在这种新技术很多，Mongo是比较流行的一个，我这里附带一 ...

现在写的也很纠结，资料太少了，哈哈

梦晓半生

shengnan007 发表于 2012-9-20 08:53
现在写的也很纠结，资料太少了，哈哈

; h0 N% |. D" y+ j' O" t5 S建议从NoSQL写起，这是推动新数据库设计的需求关系，原始动力。
% @( G6 _) X$ m& A, ?: V) i$ {
http://en.wikipedia.org/wiki/NoSQL

定风波

恶魔吹笛来 发表于 2012-9-19 18:35
有点惊讶 居然在这里看到这篇文章 呵呵 静待大作

有什么可惊讶的邓侃在前一个爱坛版本是很早的注册用户呢，从开心网一块迁移的。。。

shengnan007

梦晓半生 发表于 2012-9-21 11:52
建议从NoSQL写起，这是推动新数据库设计的需求关系，原始动力。

http://en.wikipedia.org/wiki/NoSQL

好的好的，现在这个写完，然后开始写nosql