|
|
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。
: b h: j; k' G+ e2 j+ N# J4 y8 Q5 W' b
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？0 D/ r0 ] n2 d
% T. r/ D1 m0 Z6 Z m2 s
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。5 a$ _& s( k0 }# Z. L& y) \
' I7 i( l, t6 m. F: F% @4 ^) p" I( p
5 x2 Q0 q) x) b) F* X/ d; ~
5 V- P8 M& ?% J/ a+ g! G1 p9 v图1-1 MongoDB架构图
{1 {. A5 q2 R
: A& r8 h9 y1 P 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）。
0 `1 i3 d, U$ e$ z. {9 V) F; ^
! [/ y# [7 U" ^' s, A, L2 }9 [Shards( q! \8 v- {1 q6 `) g8 Z, A
4 |+ I# r, X' [5 ^. o0 ?& w+ 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。
! y/ E* q* E) ]
0 W5 B- k/ H& d0 m 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）。
( N" `$ D! ?& f; c
; Q* n/ ^2 q7 b 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。
, `; w+ a* o8 K, w' V9 a8 ~; w% d9 T% N( Y3 J/ k5 K3 U: e" Q, A6 P' c# A
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。% v$ r1 l& Z- z/ J) W4 z
9 d$ d( X2 q$ MShard keys4 Y: Z" t+ b' x4 H$ U7 |1 C
. M L; G' J. ~: E$ ]" P4 s0 Q 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。. C4 a+ u- E) }" ?
) ]. ~$ K) H- S7 F, x0 U R' ? 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，, y6 Z( P, u4 E' L, \6 v; C8 P
( l8 G( L' L! {
{
' l# r! d. \: T1 Z "ISBN": "987-30-3652-5130-82",
# A* C. t! u1 n) y2 U" L& g8 l "Type": "CD",
~* U1 z& R6 T" _ i2 s7 W# a "Author": "Nirvana",3 k$ Z6 K: p+ S0 t9 B8 M, Q
"Title": "Nevermind",
4 a% g! r8 z u" e* v! S( X- J1 s# V "Genre": "Grunge",/ T; f; X' `2 G7 E, y% \
"Releasedate": "1991.09.24",
( p$ C/ O3 x' @ "Tracklist": [
4 L5 r2 F/ [/ C! S% A7 Q {
+ c7 R* P' [4 W/ K1 ~6 F "Track" : "1",
' j" w" V0 h7 x3 b3 f1 n "Title" : "Smells like teen spirit",1 {8 r4 D4 x' f/ [: R$ T; |
"Length" : "5:02"! E8 X: V0 ~# A- W
},
* n9 C$ M1 d( ~4 U G4 C4 @ {
) L E" E+ d9 D4 A "Track" : "2",4 d" w( d! \1 Z
"Title" : "In Bloom",5 U& q% i- J/ v% {. K4 \3 ~9 {
"Length" : "4:15"
9 ^: ^. z s2 m8 a2 Y. J; h }) F, j& A, y- q8 z
]9 u. a9 k( A/ D7 n7 a; v3 ~
}0 @5 k' C! N1 ?
$ s0 n% f' m- t- \& L- q3 h% e
{
# V! ~: e: u. t0 @ "ISBN": "987-1-4302-3051-9",
% t6 z# A" {4 |( `& X: X "Type": "Book",+ m$ B' `& N# ]* Q7 x* k
"Title": "Definite Guide to MongoDB: The NoSQL Database",; f) C2 v! g, x
"Publisher": "Apress",5 g# K* F. x# c. v+ y) N
"Author": " Eelco Plugge",
! C4 Q2 D+ V% O7 g. ^2 H5 d. B "Releasedate": "2011.06.09"
/ ~$ n- e% \5 s, V, V}
7 l; v# ]1 ^: u9 I q0 e& o( V3 G: G- I; M0 G: ~
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。7 P/ G$ C/ l( ^7 }, B3 W
! E: `$ |4 b2 h1 P
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。
) B6 w% L- h7 k; m: A) {
0 n! `4 x- T( q 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。) A: R n; v+ A% \
# @5 `/ h/ U3 w
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。
" D9 |$ ^/ d4 V& m5 n" q* S6 J
( F: e6 J# ?. }/ X5 I; V 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”。- T" ~* |. j" z# j* w6 R
" ?: a' ?$ n( g
Chunks" m% Y' L" y+ u9 o! R/ |9 J
+ w+ Y; x! i, S1 h. m T8 ]
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。1 Y" r) N5 N* N1 \
7 s: [* |1 y8 o! L
* T7 n m% G# w! [$ ^% S图1-2 chunk的三元组
w/ u& f% i: e9 t2 L- B; s; J/ ~! t& v
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 {6 l" h/ d& u9 h0 v! {3 ?- Z
" k" `2 i4 Q. l) n8 G0 x 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。& G# |/ x$ @: P r: W4 C0 k
! l6 I7 b# W) \6 E( z% ] 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。( o3 X. k% i5 N/ i
% ~3 B6 b' R) q0 l3 D 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。+ l2 Q# w k& X3 [
' e+ E( w! h2 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。
2 F* V. P! k. I e2 Z" h' S: p8 N1 g0 J$ c
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。; l& w# `& s8 q c( R3 J, ?
' y {: ?' s" ?$ X& j
Replica set! {- D/ P* l3 Y w0 s+ `
& w( G4 {" @3 h& L! C* Z' \ 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。% n3 f3 Z( G% D: d& ~
" P p& q* d- q* c- X 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。
# l- C* P5 \6 j+ n
: I; A5 J* S$ \+ S- T _ 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。/ h5 c) \$ D& j
; y- E+ |9 K3 ~8 Q9 e) c. P 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; V. V. m0 G2 M
5 H0 B) p9 c. H2 l1 Y- z
Config Server/ d0 T$ B% O1 {) Y/ W: t0 s
5 F# M# `0 ?" y- _1 q4 h7 }
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。
4 w; {0 I! `3 q. r ~- @3 [+ J
% I3 m) y. t' ~+ D2 A$ D7 b 每一个config server都包括了MongoDB中所有chunk的信息。
1 C! _ Z1 F% H' c
# r9 z+ ^( c: Q! ^3 N 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。2 W" x- j @- ]' Q7 I1 l. |
" i4 y0 x- s" @) }# d5 g4 ?; [
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。8 s* h, U8 Z, g" z5 y+ S+ H
8 o: Y6 ~$ x T4 ^, h( z& w$ D
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。+ Q9 k7 b: N* }: _
P7 q5 O! q& g7 p$ dMongos
; F7 d( C. Y+ j8 o+ U4 @; Q3 @3 m* K' N3 u
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
8 {# f: Q0 U( X: f7 z
% ~5 j) \3 N5 U- e0 \7 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。2 h1 K6 S/ h7 B& C
7 l4 D5 F5 ?+ U% A7 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。
/ D* p% Y" P' R/ }# C% }7 F$ t) s( w7 { b3 D9 ~% @5 y
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。
1 H( A2 V! n! S, l
: k# Z; }1 x) b1 o8 j; X& {8 n 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。
- {( g9 \6 U- G6 N0 g) R; }- M: F3 e, ~/ g; [0 h, [* B6 y* r+ W
4 H" G9 y- {$ [ RReference，1 `& L, t7 \6 q8 R3 l' a) A
" ]& G6 j+ y3 [4 N, V! F[0] Architectural Overview8 ?) C( z: v+ n
http://www.mongodb.org/display/DOCS/Sharding+Introduction* o# J2 n/ y$ ?7 e7 \. V
|
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。
' r2 B5 c/ Y, k r# `" J