|
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。
! r& k0 {6 ~6 D6 v" i2 F3 e% [, R6 m) 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?
9 Y* ]6 f" z o. Z2 g5 T7 F8 [9 P) N/ 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。
( p! v5 V( o$ G; o/ ?, r$ Q6 \, D3 V4 o9 J O. t) g
8 H: @. N! p' D
$ K B9 W: d- h! e" s) ^8 S
图1-1 MongoDB架构图
+ N) X) }5 }) G$ }* M8 I( l- m7 V& f. f' i; w9 u2 @8 V/ F; y. `9 _2 Z
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 w! w1 v; Q1 Y1 J1 c5 C
1 ^3 e* J% k9 S8 w/ N3 X/ tShards1 e: O) p0 {& s) S# t. }& l, ?% C
& v( n% c2 O/ `; c) B' {
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。
+ B, @( @8 z% o9 l2 \, Z" [/ t2 T6 J4 _2 }. m3 N; p
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)。
3 o: H/ N- d! r/ W/ _/ \+ g* J! o3 e6 h0 j8 ` y# R+ g
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。
; b. z# a( X* r5 ?) L) k& |
E4 Y( H* s& x, L9 |+ a" {7 @! 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。
/ e8 Y% u3 _7 M6 ~6 F3 `2 ?. L0 U7 B; b! S8 h& E
Shard keys
0 z/ E+ d. V8 d- t6 j
7 |% ]3 R& G2 x- g0 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。! J" G6 E7 K8 G4 Z
: N+ s/ w9 I2 E( e f X' s 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,
. S {+ U X0 X- z l: T; N
0 y; ^+ d3 ~2 I; x7 |/ C{
1 v6 V% e9 o& _' e! Y "ISBN": "987-30-3652-5130-82",
, U8 H' k/ B7 ~; u "Type": "CD",
, [" K0 q# U6 P; Z# } "Author": "Nirvana",+ p' l3 x5 X7 m7 T1 n+ F0 ]0 f
"Title": "Nevermind",' t1 g* s5 B+ h1 {) B
"Genre": "Grunge",1 ^) t" U0 i$ |' F' G4 D5 U! b
"Releasedate": "1991.09.24",9 B) g5 V2 k! ]; [, y
"Tracklist": [2 F7 f4 a, w% v. ^) J
{1 l- p3 A7 y, @; ?& d6 \; x
"Track" : "1",
* y" b0 |3 A2 l/ g' e2 Z( O "Title" : "Smells like teen spirit",! ]' h0 |# {+ ^9 ~
"Length" : "5:02"8 z5 ^1 U5 [6 F' {: m
},
d3 K/ n! G$ R {! L* D( n. R6 e* T- `6 k5 u& m
"Track" : "2",
* g( P/ F2 a% k% H0 Y4 M "Title" : "In Bloom"," o- G5 ^6 }+ L; K% b* I% ?" d( P
"Length" : "4:15"
1 e2 D+ U: d: v0 g/ E; J/ Z }
8 I5 m+ [) a P c4 b ]
' x. `. y$ `0 Z$ l% \}
- w4 u4 S$ K4 W8 x- @5 Z
- i- b$ f8 n* M/ \- \4 v{1 e0 W( g! E: A0 q
"ISBN": "987-1-4302-3051-9",
9 Y4 k& r0 o8 R1 ?- {% [; \ "Type": "Book",
% v- k4 b) ~- u# P "Title": "Definite Guide to MongoDB: The NoSQL Database",
% \1 r+ Q$ K6 w4 C "Publisher": "Apress",, C2 ~5 Y5 }9 ]- C4 Y2 s- `/ K5 S4 \4 r
"Author": " Eelco Plugge",
# p0 q4 n; y, K" ], W+ b "Releasedate": "2011.06.09"
) _) h+ v! i) @, O" |6 M" B, ~}
/ Y! R5 F. h+ l1 {+ y1 B' \( V) b, a# m) T) R! U
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。
# @) f. Z D) [+ G2 J4 H$ a9 k
8 H: v: o3 f8 ?0 A C 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。1 g6 U \% H3 n
, F% P7 m1 T1 E' N \5 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。: J* X5 U1 N* ~
1 q g9 g5 |( o/ f
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。
$ D2 ~8 V: {9 V7 {* P" U: u' \/ M" O; y) L7 b; k" f
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”。( f) U+ ]8 f. d+ O& {& |
; U; B9 N* e6 ~% V3 I
Chunks0 M' O. E2 l9 p
* L4 S* E0 m# N( e! N0 Q8 t 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。
: ~, D. [% W: q* O5 T
5 T' O$ g7 @" ?* T; v t7 t
: W! ]6 A, O w7 o" c图1-2 chunk的三元组
) d4 N) q+ X" W$ A$ b( K, v B" a+ L& j+ j/ 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。
y! V' h9 R, T2 P( }: M/ s. b, ?
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, {6 ?; S- S8 x; y U2 L2 L
5 {4 c6 p" x5 z6 m- G 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。. X* R2 u( H4 Q$ K
1 I/ n; R& q8 {, H) X+ t3 q l, c
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。. R$ X- X& x, ?. d8 m7 U, O& _7 t
9 h4 i7 V$ A4 l$ d7 S( j3 |
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。( ]' h, D" F" G; P/ V- F4 k
1 Z c2 O: j" h+ r6 |- X/ `
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。
$ e( P9 S! e3 x0 d( t+ ]0 z6 @- k3 j! O6 M: E" ]
Replica set
+ ~- ]% \2 u) F h * d. L# W% j) v+ o' X* W. t
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。
1 i+ Q- _( q [* [' T
, {: g0 i) X/ t+ 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。
! h4 q, L* M/ r$ y2 W$ x: O* {/ {) S) N! L+ A4 d# i
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。
& z4 ]5 d' d/ [# @7 g; u
* Q: e6 S1 L5 }: E$ O6 ?5 z7 z 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: A5 `: F0 z! z1 ~
) B$ N/ I* F% ]# N+ RConfig Server5 j9 e/ f$ M+ {+ X4 J8 ]5 e
, G% g/ o3 s, J# X' ?/ T
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。
& N7 ]% S7 e% O5 I1 X2 ~5 O0 V& U" n- W
每一个config server都包括了MongoDB中所有chunk的信息。. x- E! q6 P% q2 z- d3 f
" Z" C& B8 d3 D4 B1 d& m# _ 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。
# r2 {8 {$ e+ g. B3 R! P0 R, a+ }/ S8 ^' @) Y+ W. a6 j2 J
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。
# \& l) Y) b- [% `
% j Q1 L, U' N% j0 r) y 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。
" J3 G+ G7 V O) F: P6 o& }) P
$ i6 d3 V- F% f1 zMongos
6 ^) s$ i" c# N! N3 I" S/ T
3 h7 A% p6 j$ d/ T r 用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。# r% D1 Y; F6 e2 K
" B" }5 F0 i, f5 K
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。/ @- v3 S: x2 h, y) o$ f t
3 `1 n$ _' S( C9 f! y! J8 w
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。
: P/ I% o: G4 A0 m+ Q9 U
! t$ M0 @3 O+ o8 K4 k! \3 L" V# _ 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。
+ w. x' Z$ Z( J( `0 K" x& Y% F2 d9 a C5 J- ?
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。7 k( D* L+ h4 R( h9 j
, r4 _; p2 h9 i/ e3 _1 ~
5 w3 I m# u' u# g w
Reference,5 F6 |: z6 I9 I8 A
! l) n" z6 X$ R2 U2 C/ q
[0] Architectural Overview
+ z$ g! T! |9 ]http://www.mongodb.org/display/DOCS/Sharding+Introduction
3 x l& h- T2 _' z( z' R0 l9 s3 c |
评分
-
查看全部评分
|