|
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。- b5 K6 W6 \% r
( }; M- d$ m7 x' ~) H
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?8 p) c. Y8 R* M5 C5 t# n
, X" ]; g. h* @1 r2 ?, M 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。/ K6 M& t8 t) V8 L0 u& `+ i+ {
( W4 K6 I5 \6 k
2 [% z- Q* E( }, y; b. z! t
, O% P9 t, p7 s! i2 c图1-1 MongoDB架构图
# g; U$ Z- U7 U! Z1 W$ `* d6 m: h
7 k! H+ A) h: B$ ~4 F# H 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)。
: J+ T& o) R" G) R5 b0 L+ V* _% Z8 y2 |: y6 H0 s
Shards
% v! y! r0 Z" r* k* d g" A$ ?: m- l, P2 Q, n- B0 ^) [9 f) Z/ 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。, e- I4 i! d8 K8 f% o
5 U. f% A' U% b; U 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)。/ r1 a( b) x) S- B! l5 f# J* v% X
# |/ L4 d$ r! G( p3 o
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。
" Q5 p5 z5 R$ z) \5 @9 F
1 U4 O# J* S/ A( Y* ~ 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。
/ H9 N/ m; a& S
3 h) J e9 i7 iShard keys
7 v, Q+ b0 g* S Y% m P% y" N $ \. e* v8 n1 M8 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。+ S* v' D9 q6 B( y$ Y' _
5 ^" h9 I- a8 }) Z+ L5 _
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 |4 F6 ~4 X4 ?
5 ~: {8 F1 [( f
{7 J7 r" s. Z+ u5 l$ V( ^
"ISBN": "987-30-3652-5130-82",
3 E/ P; k" Z* ]4 I! A0 R- J5 f( h "Type": "CD",8 E5 B3 A- }) ]! a
"Author": "Nirvana",
6 E5 G3 z% S# _1 `- k8 g1 m "Title": "Nevermind",, k7 y6 P7 X9 m' G' r
"Genre": "Grunge",# [3 h+ Z7 O' c1 [1 N5 W
"Releasedate": "1991.09.24",
1 o$ G) l2 a# ? "Tracklist": [- y5 _- j! W/ G8 ?0 l8 z& ?7 ~2 D6 i
{
: p7 a* D+ o1 x8 l, w8 | "Track" : "1",) v8 ]/ \4 S' C- P, O' ?# o3 }: Y, f
"Title" : "Smells like teen spirit",3 }* \ N4 @1 W0 C) U. W
"Length" : "5:02"
& M' u: W/ v! p3 S# A6 d },3 S" w; S$ A! R. J
{) r5 N0 H& S, b( R5 _
"Track" : "2",
% }- I- e" j) r3 |9 m5 J$ W "Title" : "In Bloom",( r5 m5 x" `8 N l
"Length" : "4:15"$ N. _4 V d; @7 E
}. V; I; T- Y9 g |1 f- A/ D
]
1 s; F7 }# X7 H0 L% M/ J}
% F2 g, e" H2 F. q3 y n8 W
$ U, |$ c) v9 d4 }( I{9 \( o5 o$ U* \$ l0 o
"ISBN": "987-1-4302-3051-9",
' M8 f# B0 D' c/ @, L5 ]* W "Type": "Book",
0 _0 ?4 J& W }7 M n) l9 | "Title": "Definite Guide to MongoDB: The NoSQL Database",
: j( H/ v b7 B* _3 l "Publisher": "Apress",
$ w% o N6 Y7 p "Author": " Eelco Plugge",% Q: D+ {9 ]- C' i9 \
"Releasedate": "2011.06.09"
# }6 o0 `+ T0 Q: s4 I4 }! I}
! j4 p/ l4 e6 u3 ?' V- L9 n8 l) b: S5 \# i1 w
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。1 T9 W4 C$ n+ [ _# d5 [) G$ F
5 o# `( Z- s% j1 M
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。
, h Q8 d; I0 O# W4 N A: q4 i; _" f- t7 g& Z9 x6 p5 B
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。
3 g# z, m+ N0 x* v2 r% b" B' h U- z
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。$ a6 E+ c7 D2 L: l
* d9 \2 b" M1 D 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”。
, E8 I7 W% V9 U' |4 d' U5 C) _5 v( Q) s) h* `* K6 {
Chunks
Q7 H* y% w- k+ P/ \% y# b( q 2 F; I: z$ w1 x; l7 a
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。
, [- x9 w5 M# K+ r o1 z8 f \" V) R `% h4 d7 e
2 Q, E: e" ]- z, H3 J- @& g* K; A% J3 Q
图1-2 chunk的三元组 6 y& z# y( ^4 I; ^
4 r- d! x0 Z3 j* ~' z; V2 k+ }& a 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。4 x. g2 X2 O) A5 `* ?0 @ ^+ c x
, f+ s$ e" o5 x! R
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。
0 }9 p7 b2 c/ ~( f7 s
+ m% h8 S* e- B 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。
$ v+ M% ~ ?' G, y5 [- T9 X
) C5 n" [: k( R) N* |: z 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。0 U8 A- _6 g# _4 Q K
0 [& [" M8 X3 F1 t; [8 [3 O* ~0 o
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。7 d: j" x6 r; c' z7 F
7 p) u% m1 @2 I" W4 r8 w 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。7 A& O u; G; `, m, e
4 G$ r& Y4 Y+ D% lReplica set
! O. e" e' o% h- K & j9 _' B4 Y5 G. J! I3 t+ ~* N
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。9 a8 E @4 L7 H; e
5 y/ P( H. i6 p- A! ?* V
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。
! v" K) K' N' G0 j9 |; r1 |8 n: 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。
& ?" P; v7 H/ e* J0 S
/ ?5 {: J- J4 M3 P/ 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。
$ N" ^. Y6 `) p9 I! R( o$ G' N, z9 K
Config Server4 }. y" t v/ @# n# G
, o$ d- {* ?5 y( B& X. Q6 ~) H 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。
% R' f2 E8 a8 n9 `( y: M5 @; z7 H. N, i8 m5 r0 Z ]& w
每一个config server都包括了MongoDB中所有chunk的信息。' h# {1 @. l& `! ~4 j
+ w& ]! o/ K K$ t+ i( M4 c 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。
0 t0 Z6 |1 |+ Y$ d- M* h& a
9 ?7 U' x- j) l. n( k% K7 j7 |2 o 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。
: [7 _ v; A" j% o- T
0 |8 @. I& `% e% A4 O 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。
/ \& j# d4 b6 u. T8 B. q
( L( d2 J1 r" y. h( R8 J: w2 PMongos
( }' K T) x0 I8 x$ D% a- y& X1 x% c! e- O( m; Z- F1 s
用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。 x* ]# @% i0 W: j6 a
9 Y* a9 W4 e, l5 d* L3 G+ L' }, s 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。) g( R% B% ?/ U" S8 i( i+ v' j# z
+ W2 `. q8 j9 i
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。! i) r! H& L# g0 w) }1 g8 h. |$ Y
# ]1 \0 V0 I- I* 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。( j: _7 @3 { S3 Y2 n
% S" x( y) s% R" ~2 F 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。: r% ~3 g2 r. _ v
, K6 R* \' W Q( F" x1 z4 B K+ m( j9 l1 s7 y7 U, V% E
Reference,
, T7 ]3 h! Y6 ?
( ~4 S( S# o" l: |8 ?. b( ^[0] Architectural Overview) k% y; c- B. N' b9 i
http://www.mongodb.org/display/DOCS/Sharding+Introduction
4 y2 w* W! s' x6 n8 I: g1 B |
评分
-
查看全部评分
|