|
|
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 i& n8 Q1 m/ v# D: ?
, Y) {+ W: G# x- e& A6 s! s" F* k 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 I' R* t8 }) p* q9 b% C* {
8 c" _; d8 y" L0 W$ E/ ~ 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。
8 U1 X* s- i3 e# G7 z
; M D8 G4 ?! J+ M) u$ Q+ W
. r9 @1 F# c) p' [1 U E
0 j! l) Q. V- R6 r; z- j图1-1 MongoDB架构图
) W! {% k- p1 F5 E, M1 G5 G! j
& q/ K- u5 {) u0 f 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）。7 P7 G- f% P! k9 `( M8 |
Y1 \8 [: Z) e S: [$ H
Shards8 U3 T+ G+ l, h3 n' k8 |+ |, X
4 d/ r: ]$ _) O
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。; I7 S6 V# l* F5 x" t
7 O4 j9 r1 J v/ L K$ I. 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）。
1 F0 a7 g; m: _: x
' z1 |! i' K/ R) Z" J' t' Z 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。
6 r4 @% w- n3 h1 [3 i- X4 Y# q- Q$ n. s8 x: m3 h
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。- w/ L( X! w' {4 i, F
) J3 R* U. `% y
Shard keys/ Y0 x& g' q3 Y+ p; Y. r
- V9 o. P4 u! }6 `3 F, Y5 J 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。
$ c2 r! T" e K$ b( R& J
0 a0 ?& ~6 G+ O* {7 h! x7 w 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，
v2 z* e q' F8 T8 m+ _, x
* b6 ]7 _& i2 Z0 g* K{
+ A T3 F1 y; U% c* }+ _ "ISBN": "987-30-3652-5130-82",( P6 q. i9 ~$ D+ J. k
"Type": "CD",
^- ?3 t5 D+ q% P "Author": "Nirvana"," m" r" u. a( Z! X5 j7 q a4 i- b* ]$ S
"Title": "Nevermind",
. s: N8 C( S; O+ P( _ "Genre": "Grunge",
# O- n7 |/ e7 h4 Q "Releasedate": "1991.09.24",
v, X' K7 C- G W6 M% B "Tracklist": [
6 V2 d2 \4 Z$ Y2 F+ C' C {9 g+ e: q% g0 T8 x; [$ P
"Track" : "1",/ }( s+ G3 H r! D, [, S: N
"Title" : "Smells like teen spirit",
, S4 a# E( e7 F "Length" : "5:02"
' A- ]9 j+ V: y1 g" c },) @ z. R+ @0 @6 T6 i
{
& }* p" h, t( ]# k "Track" : "2",2 V/ _8 Q$ Z" H
"Title" : "In Bloom",1 Y% R" i' }2 `5 ~9 R8 S
"Length" : "4:15"" {" k3 P! N* ~$ Z
}- s% ~9 ]1 Z9 w: e- E
]+ `- l4 i0 S; m& D L) _; g
}
0 S/ M0 C% G v! h% A9 G( _4 P/ }, k; f0 ^6 A9 M
{( V& D5 f6 f. T3 K5 ^3 q
"ISBN": "987-1-4302-3051-9",& c& |! g( |/ s5 y) k
"Type": "Book",
, n& T" [3 }% Q1 R5 f "Title": "Definite Guide to MongoDB: The NoSQL Database"," k8 x. j- m6 m# r; B6 u
"Publisher": "Apress",
" @$ m2 T3 C" A9 z "Author": " Eelco Plugge",
. K- C- g8 D, Q' H "Releasedate": "2011.06.09"; V) a. q) }! \' U. _' w# f
}
7 c* m0 q5 X/ N4 Y
6 \+ s; S) D6 y' [! w9 s 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 Q6 y7 n$ t a) j, x% }# |* V$ R2 ^2 V
6 L3 Z3 s* f( O4 q, a! X6 U 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( r F, `- L2 k' K! o9 L- \- H, s0 f- X" ^, K: F
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。# I' p0 x. L$ d7 D1 v' a1 A4 O. D
$ y6 k1 T; d" s" s
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。' ~/ y& a1 _& N2 X) ^) ~4 O# q+ m6 t
3 x5 z+ | I! N3 g1 S6 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”。! }" P, i: B' b& E
b8 [; x9 f8 |Chunks/ v. W# X+ K( \& Y* d( t
6 ?$ F8 o; b" V
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。
+ y" ~ z5 Z' a0 `2 g7 ?, L: \* B1 j5 b
' n& Q0 j# T- B+ l4 U) r: Y
图1-2 chunk的三元组
& \/ [6 e2 g i4 A# c: V
- S0 D% H; v2 t1 @5 ~) o 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。9 B- s: U) w9 B& p8 B/ I
+ L6 @9 f9 ]2 t& Z3 [- X2 {
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。* |4 v$ T* C* m4 d) P# G# z, C
% o$ e7 t3 D3 \5 W# 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。
1 C/ G' ?4 G0 s
/ W2 K; I& w' `& C6 b& x: h% K3 [ 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。8 F i7 e# d& N, w+ _
' E1 l2 z+ @5 W ~3 ?9 [
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。
+ @1 j6 q4 i( G, j6 _( g7 G( C S: k- 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。( |3 n2 F* a4 I+ n) ]8 A
7 p: { M" @" t0 G# o. _
Replica set
5 v7 z1 @2 Z5 Z' F& _ : y; Y& |& x4 h G% K
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 _; }1 H* ~( \
5 m0 o' \7 ?" p( m 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。& I2 t7 M% }3 o. U0 U
+ D; Y: T) d6 n+ _: u l" Y2 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。
7 @# X. x% H2 C% h$ n/ f) y: Q' P' p3 r& X+ L
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。2 X. r& ]1 E+ a y
- Z" ^4 R" ~- d5 k- P, N
Config Server
( |3 ?8 v; C& t" ] % S) D, r0 \4 n/ B0 }" z
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。
d, }9 i2 M7 Z) F* @& b n8 s9 q: y0 c2 L I
每一个config server都包括了MongoDB中所有chunk的信息。
2 i" O5 a, Y& h( A O# R
3 O g' M# q1 Z- B9 H3 s: \, 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。
' l) p0 w1 @* [9 P* i Z
6 U; |3 v! T M 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: X3 z- e% v+ v. h0 O4 M- K8 o9 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。$ O+ D# h4 n& ?5 y t5 g
8 K: U, a3 r& @& a! l6 w) ?7 \Mongos7 S# C" T' g" o- A; o
! K/ M% ^; C/ Z3 z! ~
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
3 x8 }2 r& A- c" l
6 I: ?5 e/ _$ R" | 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。
1 E+ M: |1 \; T6 F
+ F+ O0 s2 r1 x7 w( w. l( W/ c" S 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。6 k' H- R* v3 J, p5 o
8 R) h4 B+ x t. E1 }$ d 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。
" l1 B4 t/ R8 q, Y6 f% Z' s# v, F9 d* A, |/ h9 ]# S- Q Q, x
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。
" T5 M3 C* m* n# x5 M+ u( N8 W+ ?5 ~- n0 I/ i6 {
' a/ v* {: G k% \$ X0 L
Reference，8 U2 z1 _# Y: \2 V1 }5 t& \
# t6 O/ ]: g) ][0] Architectural Overview
3 k0 D$ I# I/ M0 x+ dhttp://www.mongodb.org/display/DOCS/Sharding+Introduction
1 w0 f% o9 c+ L0 o |
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。
