|
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。0 [" o5 _; J4 V' l) A4 T
. Q& ]; i3 x! C2 m g! O2 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?' @! ~5 \9 @; P J
9 e+ R# b7 S$ A, S5 f 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。
' \6 R" l4 j3 B& y1 Q' c4 }7 }5 u
+ ]& _, V, [' Y. o6 N% D
9 F- A' k4 Y) N, ?4 \
/ @( k! C2 L1 N4 U
图1-1 MongoDB架构图 : A' U- T! f4 g% k `; s* b
7 o6 [, }6 R H7 A 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)。
, z3 |" J0 X$ s( M* i3 s C* A! _- t( h
Shards
+ A1 V# E9 [7 O4 f% E
& w7 f$ [) n p+ s% @& @ 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。
9 u* d: R1 N5 m) f" X8 i5 X. V$ U& p9 j- m4 y
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)。
0 |; @6 R" u# c9 V/ D O y7 E/ W& s& [
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; k% }7 {- ^7 c8 D9 l3 w
# w* @5 ^* C5 @( h7 u7 Q
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。
8 w) W1 c( r" _: E, k! p" L" ~. I- b& T
Shard keys$ o; O. f: g O
. y5 }! D6 k/ e0 q! f+ u 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。
5 R2 L9 A5 m& ~" D. n- v4 k* O. I3 a, f/ j! _" p( M1 P
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,& x4 N& Y$ p' o; F
/ p4 u/ r5 }- a w{( B/ @9 }* @& \" `. u. H
"ISBN": "987-30-3652-5130-82",5 H' q; f8 t$ E, b
"Type": "CD",
- p$ z3 e5 k C) p% ^" u6 A "Author": "Nirvana",
p7 S. G0 g+ p* h! b "Title": "Nevermind",) C6 i6 Y4 n" a) u' T, Y- y
"Genre": "Grunge",
7 h/ i( K4 _; v! }$ I- q! w# Q "Releasedate": "1991.09.24",
, F" F1 y( o: W, v9 ^8 Y "Tracklist": [
( o% ]- H1 z! L' n0 ` {
6 W* W+ P! [ f6 ?6 S! ]* a4 M1 X7 w "Track" : "1",. j8 }; ?; ?, U: n
"Title" : "Smells like teen spirit",
, \% [$ k1 B& e$ e# v( d9 G "Length" : "5:02": v5 k$ s5 ?! V# U, ~! G8 S2 x
},+ O- v; H) ^+ ]' a, ?; U& f
{7 J- M& G8 b. ~2 E G5 C. L
"Track" : "2",! j' S" c! g: \
"Title" : "In Bloom",
1 Q1 b! |7 X) t) J( e. I "Length" : "4:15"& h- J6 G/ a% ^) p2 |$ f
}( W. s3 I9 \: ]' _" u% A3 X
]
6 s7 m; w7 ?! D- R1 o0 d' F}: Y' W! g8 c- M% h: n
/ ~8 ]2 y2 L" i) Q, j! A{
9 J. p, M1 R# v "ISBN": "987-1-4302-3051-9",
& O3 Y% q7 i* X0 v "Type": "Book",
* s& e% |* Q( k1 j "Title": "Definite Guide to MongoDB: The NoSQL Database",8 O- E, ?, [7 H0 d
"Publisher": "Apress",' ^0 q* A6 _/ A, }- U& B
"Author": " Eelco Plugge",
! @ R/ W9 n' o2 i1 s9 h "Releasedate": "2011.06.09"
3 L+ r1 B" D$ s2 s* \; t$ M2 n}
. p+ @1 T0 N3 G- Z
: Q+ ?- v' i4 @: o) T/ p 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。6 {# Z* T1 T: Z3 C2 G
+ b1 H2 n; ]4 [1 i2 F. ^ 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。% `% ~* r5 c& ]2 t2 J/ X
) y; X0 |3 Y, d: v4 d+ A' @8 v+ L 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。/ r2 u; K, o! ^8 ?3 R/ u: ?# n, b
& m v7 i. N$ o
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。0 a5 v# g5 H) W, s2 x% |% x" _
. Y. U! N" {) P3 T! f% b8 a
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”。
+ G/ K% Q, h7 O( o$ `7 V6 t5 k& w! | ]0 K2 R* Q- l; {0 q6 J
Chunks3 q$ N5 ]: g8 D- g) F" [
+ X- l+ t6 H5 a5 R: H* p
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。
, |0 S% J/ V' Z1 K U& u! ~1 Y m* B
2 E& @4 k; E4 z* z; Y4 R
图1-2 chunk的三元组
% q7 p' w) J1 L' K, h
' G, m8 e' c7 X$ 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。. L* G! A. x0 q! X
8 Z8 Y9 v# [9 d' _ 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% c+ b; X1 v4 f+ y9 Y- c0 H! [; v
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。0 u8 A8 R2 { U5 G, M0 ^0 f0 y
6 X0 g6 v5 t& O# Z3 Y0 e' [
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。( E7 q1 _& [+ _& R
0 ~: q3 L4 ^: D1 i# M8 S0 I' G 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。
8 b% ]# H. j# y; \2 R X, ?& V R8 Z, N5 J. Q- F
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。
( m" t$ K9 Q7 M! W) Q3 Q _) a3 K b, O- E! @
Replica set# c) m8 r; ~) u. Q% \3 \7 p
' o( x6 T- C' E1 a+ 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。
; d! _' K9 \, n. o6 V; R: g- {! J9 ~' J3 U
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。+ Y9 I! c8 f' C2 p$ F9 u
" u1 Q. U2 o) T6 j0 V' W6 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。1 o, G x) B! G* j+ q
% E/ h- B" Q$ w0 l 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。0 i, K, V- y2 c* a( B6 U& R
7 J$ k- K5 i6 `/ v& g7 N% aConfig Server- S% d) S ^! k+ o1 X& x; p
% |8 n) |" G6 o% J- f( ?' I4 F
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。
0 @3 T% _8 _" F: `; `. D, k, T3 J3 Q, u9 i, C) F' i" D
每一个config server都包括了MongoDB中所有chunk的信息。# i. q5 x9 b f% W! P
7 D6 q! ^; r& k$ H; s' q 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。
6 G4 z. ]) k0 _7 [1 w0 ?5 w( r+ h f* {( T
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。9 ^: X$ }& c4 W
: K$ U, h) C7 f+ v: {" l8 G 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。
6 t' n, O4 ^- H- Z
( ~5 J* I* j6 P$ \% l. I6 Z' dMongos
q; E6 D/ L- V) H, j6 n# x a& B T8 `
用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。4 [( j4 |8 K: j! \4 b; f w. Q
/ ~- f8 y* I) U0 `, s6 o. X
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。; C+ s/ U; C0 [7 ~4 e8 e% y; |, {) l
1 w! A: ?, U- k6 E6 I3 p
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。
9 `$ g$ v3 y, @; u; [0 s" J7 _% d0 k
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。
+ ^# n$ }1 u0 f; X; O# k
; u4 K7 B3 y, w7 E( V3 [) \4 d$ p 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。/ g2 m, e# g# l2 I& d4 B s( ^
0 C( X5 o* r N. w( j
2 e A/ i1 v0 E$ t1 Z( Y1 p
Reference,
% Z; K5 s$ f0 I0 k
9 G& H' ~8 y5 y[0] Architectural Overview
0 F& h" U9 @8 i* v. T0 P: ahttp://www.mongodb.org/display/DOCS/Sharding+Introduction
9 O% a, K2 u4 o9 e |
评分
-
查看全部评分
|