|
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。) N; m$ _" p1 _' J! a* M
! y# y$ w# U- _& E- s8 h, b9 H 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?3 b" c1 w8 K/ y0 }* b5 H7 I
5 E. u6 t1 p, ]( v4 G 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。
* A+ ]) Z7 t1 Y1 H" t
6 G8 }' t& I/ l0 i/ ^3 `3 R! ~/ L- Z
3 C% L1 Z' Y. u/ Z' K
4 y2 {% |0 v; n7 M图1-1 MongoDB架构图
+ e! c3 h# o, M6 n4 n. ?4 W5 y
]6 d( b' E6 O1 [ 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)。1 R$ { _, ~8 B& `$ B" E6 g
6 X( x. x9 I5 f' i3 O0 O
Shards
P# v3 @8 z- w
3 `1 Z! J- T3 ]; r: x; W 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。" m2 f4 F: M D7 R6 N3 @
( t; J% u5 ?/ g$ h3 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)。. Y1 n& H4 J4 t; a1 }/ R9 O
8 j: q6 n7 ~' U4 E9 Q( _$ c 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。
0 ?6 \. i3 H( Q7 `* r5 C0 T* h: b* o) |' w! R
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。
) k5 b j8 r& ~& U0 {* z( K9 Q# c! c; \' u7 n0 {; i
Shard keys
1 i5 q: R# } X# R0 _ Q" o5 V
+ k" F% O- s1 d" t2 R& a 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。4 n5 T& T# I. R. @( n1 E
7 N3 o. d( r& N D0 _1 }! t
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," m( _' j1 i i% ?
4 t9 l% K4 d# X" {
{. }4 L* r* ~' f8 p
"ISBN": "987-30-3652-5130-82"," ^- u" f/ o$ m! V% ], I2 S
"Type": "CD",
. t) F1 G/ r4 A# ~ "Author": "Nirvana",& Y7 w. j- ~$ A9 C) N& m" M
"Title": "Nevermind",
& ]8 Y2 ^3 e7 L* d/ b; W1 P "Genre": "Grunge",
& \' L6 X" `$ }- b: X6 } "Releasedate": "1991.09.24",* _3 e ~$ ~- J
"Tracklist": [
$ ~ {! f9 p! w9 |9 ^ {6 V, L3 K3 h7 H, ?/ c( T
"Track" : "1",5 n! v1 w4 l |
"Title" : "Smells like teen spirit",. H& ?, U5 b$ i& ^
"Length" : "5:02"* w1 X9 u7 u. {! ] X' y) ~
},
`# d$ b6 {" t {
! A9 o5 ~- p p( D5 s "Track" : "2",3 g6 I+ d7 j& j9 \
"Title" : "In Bloom",5 K" X3 H. G4 ], D
"Length" : "4:15"
) G: a z: b" M5 |4 ?" z7 E1 { }
/ J4 D' I8 d/ Y" F7 d2 M ]2 h" W4 c6 l7 \
}3 t4 p4 B# J2 X( p6 z3 k: F% i% n
* ~5 R+ o- R2 c4 C$ X{% O7 T! }; f3 X3 l! C6 ~) R
"ISBN": "987-1-4302-3051-9",( m6 N. m3 @$ p" P, Q3 @
"Type": "Book",( o7 M/ }8 E3 Y+ T9 U% i
"Title": "Definite Guide to MongoDB: The NoSQL Database",
7 S- {7 B+ U$ ~7 F "Publisher": "Apress",
; C; ]% C/ t- @ "Author": " Eelco Plugge",
?3 _3 N$ D2 d "Releasedate": "2011.06.09". Y2 {3 B( V* H3 S
}
7 c! S( Z8 F' v) R `+ O7 U4 F: 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 V5 h' A l: K2 R; s* k' L
9 L9 ^1 x$ U3 [. V; a: l, }. x 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。
8 E9 |& g7 e' _' ]! ]! \) u6 K6 e. Q2 e; Z8 e- V$ W+ i
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。
/ @4 f. ]/ H2 ]; d; ^5 F' l) |1 Y% e" f8 E' P4 n- r9 ?1 E; 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。
$ T! `8 U$ a# T* r
l* `2 r* S; c; [6 n 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”。
% I* J# { f! q7 H. y( B, f3 y8 z$ `! P% l8 ^* `- B# H' J
Chunks3 t9 F3 n; ^# x( j3 M
7 o% {3 `, s+ k2 o: ]
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 K& C# t0 H) W6 `* h+ ?# v
% ?4 [' Z% m9 u3 b1 d, G" H
4 Z- Q+ t3 L+ M" _' z) N
图1-2 chunk的三元组
9 L' g* l+ t. F. D# d
3 @5 n; p" C; ]% g2 Z0 r 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。
' C% |3 q8 ?# [# B/ x1 n5 |
: G& Q/ h) v0 p0 A 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。+ @, h9 K% Y+ Z7 \! q
( \% i2 a6 v z" |' e, 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。) _9 a- @0 y/ Z3 i
/ I+ `# ?) _9 i$ ~% l6 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。
L1 g% m- l. ^0 R% o- T
' {1 H' C% Q# ^/ _ 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。
! B$ U9 W" h4 z
+ g/ B! 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。8 b4 T! X. ?- i, P
* _! D. ~4 e( G) U. ZReplica set
7 |: O6 i8 @4 |& |1 A
3 T! y9 \- r: d- ~ 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 E( A$ A( n( ?# h1 n0 f/ D5 Y8 [6 C( {! Y0 W
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。
' N w' ^" x. i4 ]- Q: Q1 R' M; F! S
# P/ W3 U o- k( c( @1 K C$ 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。
% r0 S6 s6 e0 i; D6 f Q4 \4 h) 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。1 h5 Z9 r& j1 F
/ D5 O, f( B3 c5 DConfig Server6 w9 p- H$ r, ~% Y7 U: \9 `
, }6 X% J4 ], j! h3 e
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。
6 n. I$ u! O( R0 L- y. }' ]( {! Q. }: `) `
每一个config server都包括了MongoDB中所有chunk的信息。
1 g8 M4 f& p* V* B; V$ ~2 q+ L7 w$ w5 c
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。+ Z: k0 |& _, n8 f
3 D* I4 A# M7 n2 {7 J: P9 }/ A% _ 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。
, w7 h: V" @" M' e* y& {2 {
" R @3 f9 s+ L- p+ B3 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。
2 j$ H6 r7 T; X4 T' e3 e3 h* j
3 K; l. ^. u& c" z0 u/ e: ^Mongos" I- ?6 P& V' G; `0 L6 @0 q
j1 B* Z% u1 q5 @
用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。3 u5 Y2 W) F N4 i/ s' l7 C* }
1 f( V$ x% ^/ B7 h1 T: s 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。
! d9 B! B+ E- g" @, L6 P( s# x0 v
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。, ^' m* m1 U5 ]; |
2 t9 [. s& v9 n( k, Y3 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。
$ j: N# Q( L, i- M- ]) z. i+ i* T% l& j! W5 E
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。' x4 L' K# B) [
6 {! {# u: P2 V2 o! v- {- ?( C1 `" P: t8 r+ x( X. j. [. B
Reference,
# ?8 X3 e2 L3 S7 N; r0 W6 v: T9 t" J5 ?. b& d+ K( S: w3 `
[0] Architectural Overview( a- K' A2 K* P+ P! g% c
http://www.mongodb.org/display/DOCS/Sharding+Introduction
5 a& T2 x" N, a1 ? y6 d) f) ?/ P |
评分
-
查看全部评分
|