|
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。
) a0 y7 h+ W2 _. y
/ |4 j2 [9 s$ q+ [' @, w 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?
- I/ k- \8 W7 T% q$ r5 D: ?( J/ g8 {
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。
- B+ E8 m, ?; H: E5 G/ H& b8 Z1 g( s8 O! W/ h" v r, M
5 c0 u0 j% {. ~3 L' {* O% H R5 I# e: l0 L$ d8 \
图1-1 MongoDB架构图 6 U) u; r2 b7 O7 @4 O8 X
; v% C7 X4 j2 s
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)。5 T. q' i4 T+ a1 E
% U) {% u# o ]; d7 N/ DShards
' F) c) q2 q8 f( L5 _" p
9 q F- ?3 Z7 B# W" N# c 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。
0 g6 `$ C# ~7 x3 v9 [
5 y; i+ P* a4 g% g# s; q4 r/ 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)。3 @- N, N5 B% U' x b
5 ~% z1 |4 k" b8 f 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。4 e! `# e4 P( H2 `7 D) w, i
. G. o& d- K3 u, l5 X6 c1 p 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。( Q7 u7 P! I% ]- v8 b' h/ @" m
/ f, v v- l& m. _+ xShard keys0 q5 D0 w4 E$ ~, l, ?5 U
" w6 }. o/ x: p- a. ?& T
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。1 Y" z9 p3 w" t& x2 H
6 l3 c# U0 I3 y1 u 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,
* ^/ K$ [ X$ ]
7 R: Y1 v7 n9 ^/ ~+ W; B3 ]{
3 j9 J' `( J. |$ L "ISBN": "987-30-3652-5130-82",
$ X4 a% |/ _. F: B/ T# ?' D f "Type": "CD",# i0 f4 r. j5 B0 ~3 \
"Author": "Nirvana",
5 t; A- B y2 Z "Title": "Nevermind",% Z& J$ y3 k5 R
"Genre": "Grunge",
" @$ t8 q% R: t3 d1 `! w! b "Releasedate": "1991.09.24", J# g2 K7 n+ g3 y8 m
"Tracklist": [! T* I; _$ Y6 }) Q D
{4 t5 e! L" ]4 |9 m! H
"Track" : "1",! ^3 ]- T% o' L9 L6 P$ D; L- f
"Title" : "Smells like teen spirit",
6 J& P5 g2 y7 } p4 w "Length" : "5:02") \+ ?( t: E& w( _3 L
},, K; D2 V( Q! U( p( o; Q. @
{
. ^2 s4 L! M7 z4 b "Track" : "2",* v$ O' d7 x8 l" c/ Y! b. s+ H
"Title" : "In Bloom",
6 @6 O9 d e) O& D4 j# l& p "Length" : "4:15"5 m1 T; x* ?- G" `. x
}# f6 o0 F8 {- F8 z ]: H; ?
]# z7 ^( R+ `% K+ ]6 N) w* B2 y6 b
}. `7 {( D; u& O
+ j& G5 h% P% B$ g+ s0 ~2 F' I{
& m- Y3 }. @" G "ISBN": "987-1-4302-3051-9",
! X% J; N1 ~' ?5 A4 ?! ` "Type": "Book",5 Z1 U$ w! G# @& X4 o w4 o% T a
"Title": "Definite Guide to MongoDB: The NoSQL Database",
% Y U$ V' M& g* M "Publisher": "Apress",
' ~' k/ d# }% `) B "Author": " Eelco Plugge",6 ~( o0 a ?& ~5 ?5 x
"Releasedate": "2011.06.09"
8 G& t1 F$ J* m2 Z9 F# f7 r# K8 d1 v}
/ X% O) H2 ]- `5 f
, k9 g. M6 z" h) J8 [ 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。
! D' x- X( J8 {- A- w* O" i6 {
' ?9 h- e3 p% P- u$ Q' G% a 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。
7 g/ x* q8 Z- P* I& k, U, W* j: Y$ w; [8 L, ?# E! 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。
8 _" h' M; Z) N/ Y q; X5 T7 R |* ?6 N, Z% f4 ]- u
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。 I& |/ T9 @2 c$ |
. o5 u3 ^' v5 j% d* Y* L; 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”。
2 F7 @7 w& z3 r# N/ q3 z; V
/ _" ~# P* o/ Z% D7 p1 nChunks
4 Y& S2 k0 ^0 ]* `2 _2 Z : ?: o, K% D; ?8 ?
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。. b) A* h4 r" ?" \2 R+ D
7 p }/ y, Q {' B$ D& @( j3 ~
2 R' f3 J8 S6 { r9 z
图1-2 chunk的三元组
- e R5 E- W. h
& }7 ?. J. P3 ]8 ~/ H8 P 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。0 R4 T7 M! d$ E, T! G- D
" [) `5 f6 J+ ]! P W
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。: Y5 b; l) o( L2 F" B j
) X! s$ M5 f2 ]8 u 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 R. ~& W5 Z/ N( `
/ p$ w. n* e8 u4 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。
, v9 L5 p8 k) x7 N
" R) v" c0 [) q) S$ X 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。
n0 U8 _+ z9 Z" D" C4 @- h4 b6 W+ q$ y! h8 J1 }& l6 r2 V& Z
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。# l4 U# [) b; |
/ C' n0 D' y9 L0 p' x2 l* I
Replica set
% b$ n4 K) _& G1 y
6 K5 K `. F6 s+ O4 c) a5 @ 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: {& l2 f+ |1 [
( n2 H" A. A# @+ k f2 M; t) T- N 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。( P! K' K+ Z& O# l( }, y
( l5 ~5 u( U. [, ?" F* J 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。) e A4 t- k7 E9 }% `2 n
) {7 I, S C4 X, i& G. P9 Q
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。
3 I: M0 ~( M7 Z$ C9 o" c
. e% e# X* o$ y- N1 a( _* CConfig Server
- [( f% N7 E! k" z. O 7 p1 w7 t. q! j$ h l# \" a
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 E$ @( H6 k0 t' ^0 v6 e
* V2 k0 T) C9 J$ Q C5 r
每一个config server都包括了MongoDB中所有chunk的信息。! A1 i9 G% z O- U, g, ?
: |0 S# j1 g7 h8 e, [$ `
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。5 U7 m2 D2 B$ ^9 c5 J
; G2 u; f9 K3 W( P* _) m8 H+ u
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。. Z9 G$ {+ U; |7 ~- f0 F7 s
# m1 f! |2 b' E$ n" i
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。
! g& T4 |% J( }* n8 w, X6 H+ U3 l- v) x2 j! T9 A. C/ C2 J
Mongos
: ?$ `1 n! |' a. ?# U; y& l8 [4 l5 I! ?8 ]7 J
用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。
7 d6 K# H, }+ _! m+ M3 \) y( Z8 _1 n9 _' ~# o6 N
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% @0 {7 n* g) c" L, C) v
v! j- c" Y. O# c# t( O 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。
) N3 }/ I6 V+ S1 B+ w8 y9 l' A$ e0 l9 B8 R: ~# ^
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。
3 `8 U+ }4 i9 A' P' U: b5 z& Q$ G" R) W4 |; ^, A$ R9 O% D
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。$ W; |5 Y4 Q5 {5 Z7 P1 a; S
" `3 n. ]4 s: s% V h% o
1 R7 B5 o, G# _) R4 b+ ^6 Y4 [Reference,
4 i4 i" [( c: B5 l
) O+ J. \/ ~2 s# q[0] Architectural Overview
: J: o+ g1 j% _: Qhttp://www.mongodb.org/display/DOCS/Sharding+Introduction6 a2 X4 R0 V' ]) Q3 \, [
|
评分
-
查看全部评分
|