|
|
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。
! o8 @) H L; L: S
G- K; I$ {) J6 C4 {1 { 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？4 R* w4 l. d& \
0 H( Z; N4 s1 {6 C! r+ R 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。
, B/ q2 K, l$ g9 W$ {0 Z, w0 t# K
: c. e/ T. U! d7 K: H. w7 a# E) q6 h$ x; T8 @5 t
图1-1 MongoDB架构图 # V# q2 ]6 `; ?4 B! r: |
, d# p# [% P" i% e: s9 h4 a9 t 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）。 g( y; L- @5 E* b6 d
. I6 A- f2 @) A
Shards1 R5 B! K9 S* v% K
$ S" p# q" W# G# C
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。
% p+ Z; @1 G& H& F; J1 W) |% P$ p! `1 V- ~; d" C
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）。1 A2 o' V8 M4 C4 s" w, g$ c* l' V6 I
: m0 l: w' e- m" D6 P7 ^
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。; A2 W. d0 R" g, U- G9 }
# |9 [0 B- C! N
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。
/ r8 l! W _& e) n+ m9 h: e4 d. ~8 D9 {
Shard keys4 W; [4 Q( d" \$ u9 g9 ]( D
0 N5 @* U$ {) i' ?" J6 n9 X 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。
* ^# ^$ O4 W+ d! z! {
1 m- r" w0 L! F4 y! K" \5 g 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，
( O3 B+ C4 G% I5 _( x! Z; S+ |: U
. q/ Z* H* E& Z* L6 D2 J5 e: C{0 p' n3 p( l; o2 y: K! T
"ISBN": "987-30-3652-5130-82",
4 k% m! g+ }/ m" }$ M" W "Type": "CD",
+ N0 f7 ~( M! t# `+ R+ `9 A "Author": "Nirvana",
# _5 K' P! Y, _$ B( a "Title": "Nevermind",
$ g$ F; N3 J" O+ b: |+ P$ I0 G1 b "Genre": "Grunge",
+ z0 g0 v! ]- D* f' h- j& ^ "Releasedate": "1991.09.24",
/ Q6 R9 R; S. C "Tracklist": [1 ?1 c. E: g$ b8 a! B& ~
{5 M9 D2 ]# J* q$ O6 a
"Track" : "1",) A& w* R e8 {$ v0 m2 M8 ~' \
"Title" : "Smells like teen spirit",
. @+ G6 r8 B3 K+ F. l "Length" : "5:02"
, H3 R; [/ M3 v. O1 b7 p- \2 G( O& F; i },
) q2 F4 w. ~4 K2 _ {2 x! c% ~) \" r) Q" z
"Track" : "2",
3 I+ q/ Q8 }/ U' c% l "Title" : "In Bloom",- ^) n3 i0 G3 j1 b4 G
"Length" : "4:15"
) [ [0 q6 p; P }
1 @+ c2 F5 f/ M2 U, G0 N8 c ]$ U* M$ v5 R- F# h2 ? l
}
4 F+ O4 X- \! u; L/ Z! B) @) I
& o* m# Y$ p+ i9 I- ?{
4 i) v$ Q# @% I1 o' f$ G& K& W "ISBN": "987-1-4302-3051-9",4 h3 E% O* l' _9 C0 t" z
"Type": "Book",
: o4 t2 j- m, q3 k "Title": "Definite Guide to MongoDB: The NoSQL Database",
) A$ z! T' z6 r! W "Publisher": "Apress",7 c% h4 d" Z0 T. n; }# J0 u
"Author": " Eelco Plugge",
& q. T8 p0 c: h4 _$ M) n: a "Releasedate": "2011.06.09"
/ k( t- U6 p8 c3 o( n}
- W( F9 D; x! @/ u ]9 k$ A& X
9 [' N9 b/ L" {( H+ q 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。
5 g5 e. `7 @+ [. @
: Q4 c& v# _- j8 J: V 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。
+ T) m& j" e5 W# }" M" i. e3 z0 c
: J8 m- ^5 d+ g 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。. R4 |! a% P- |# }7 L' g
$ A: C" N% b, e9 L) A1 J; P
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。
3 @# a7 q& O- s9 `# Q
$ \# y" h& V! c3 J 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”。
/ M3 @2 K$ O# Y1 J V& i5 K' a+ j' }0 b( N( }& p: X( c
Chunks
0 ~) }2 i0 ~! ?% w' O5 X1 i * e. ^2 ?, W k; [, Z- j
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。
' i/ i4 ]; z( P7 N6 c* B. i5 O+ c
- B8 P, I# l) ^5 |( F1 \图1-2 chunk的三元组 / b' w! P3 T& n2 z+ y {
5 z h% ^1 \( t$ V4 ^! G
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。
5 h2 i/ d7 i8 r) Q. P* K' ?% ^ V: c% c; M9 f6 @0 e- [3 g
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。" Z u) a2 I1 J) H/ }
: |7 t4 B3 @6 O ?* K [0 ~! K2 V0 A+ 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。, `" S& a! e; U- m& i
$ |3 L* r5 M0 J* T0 o- 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。
9 o( m0 Z" d( q# z9 |- U$ ^' y, J, f( Q$ Q1 X# @( Z, N- p
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。
: Y) w4 e2 _$ O- o* }1 e
7 E! v& K/ T, z# M: G- S 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。
/ p: k$ g- D) X s7 J* s3 o
% I8 e) f& f# U4 Q( a% [Replica set8 _( X6 Z, B! S5 [$ ?/ ~3 |7 U
1 @4 R$ u6 M }/ 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 l0 W: _! j) k, @* r
3 x/ ]7 G Q; S0 ?; ^4 F 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。) e! H/ v- G3 W' w7 R
1 T; m% [6 y8 [+ R' N7 s/ { 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。
$ l5 N8 m1 }- f- {5 t
: M0 p( \7 F2 f( F- e5 }( S 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 A* V j$ J" t' i
. Y' U9 n' P, R* z& w% XConfig Server
* j" w! \ P5 r1 B% | ; z) c9 b4 U& C. H2 w
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。/ l4 \7 m" C+ A g% K' u6 Z
5 E% D f/ C" ^3 q
每一个config server都包括了MongoDB中所有chunk的信息。
$ v. s6 M# G4 N" \8 x. K V# A, n% O B& x. F% i+ _
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。+ i, r/ ]4 m3 f$ E4 Y, d
' K& v5 H7 q3 @' @4 N: Y
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。
& h9 Y5 r! W; P( m
# T9 b0 V$ [6 a" S( s9 | 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。
/ G# _ J" Z; S5 M1 m( d8 T+ j; R7 `: g. u* Q
Mongos
2 J6 r7 r% n7 N4 Y1 V" j/ @+ z2 e g$ ~( V
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
* Q" {5 ]7 d/ J+ {3 S5 B/ k
% w0 r7 Y. n) @) u 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。
/ `# r% t. V! x7 T- |
/ f% C5 ]) M# [$ Z$ 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。' _8 \' r0 Z" [9 _! V
: ~9 s! B: }* p! r2 |8 F9 X
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。
8 h+ H; A" q- o4 g6 a! }# \% D) D1 u; |
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。
0 \% {+ M0 ^$ j8 d+ ^, }2 o' |0 V: x* S' ?, j+ l; U
: x& ^) v* J' c+ j1 `. U
Reference，* T5 W' i) W7 z6 t
4 W" u- K7 J- n1 q1 q
[0] Architectural Overview2 k4 }4 l$ d! ~* H3 w1 E
http://www.mongodb.org/display/DOCS/Sharding+Introduction
0 a1 e! T5 R- {; G# e n# 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。
