|
|
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。
' w; t, Z9 K" \2 ` W. k5 u2 U) v: Y( M; l0 ]0 b- y/ H, z
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? \# Y) L$ T. E! ]8 X
( s m/ a6 {2 v" o 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。9 z' |2 N- p* I6 L1 @# N
/ C: h9 f, A: }7 R/ L. K
/ Q. z9 g1 F a7 K& A. ]
. |7 `$ D. l3 W5 A9 y
图1-1 MongoDB架构图
7 f: x) I. [. V' ]7 S, F9 S: L' @- 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)。" P1 T) Q- X) R2 g- S0 D3 a
0 M$ u1 Y( e4 i0 k% x: @Shards- b J) g2 m" e8 N7 z7 y' I
+ E1 P6 }1 k$ I- N& h9 k" [ 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。. z" ^/ Z& ]1 J6 e; W* L
& `5 g9 |! P% i
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)。
; t6 g6 ~7 H# x0 B+ P/ O- ^5 B Z; d
9 e( L/ R* @: G% O* r: V 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。5 G# [6 K( `1 d( ^4 x5 U
3 t0 g( G( i8 D 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。3 L; h$ U1 p! P3 u8 @0 }4 j( \
1 c1 q- N. U' \2 R& o G4 OShard keys
, u' R1 l& j7 t7 F Z: G" D( H S& h3 _# \. X8 j7 \+ @
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。
+ ]: ?2 c6 I3 _/ O. Q1 C5 m8 k! N- H6 Y. Q: 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,. Y4 l- G# A% J) y- C) J
; N$ n& h, ?6 J* |3 B, c; k
{
, v1 i- _2 m; i o1 T "ISBN": "987-30-3652-5130-82", D' {. B' C8 H7 C" ]1 V
"Type": "CD",
1 [2 y. ?5 V- F. v3 h6 l/ l5 o "Author": "Nirvana",
' ?+ _7 q7 _6 g "Title": "Nevermind",
; ?: }4 d5 O" [$ W" m "Genre": "Grunge",
. U; ~; S. _: @" ? "Releasedate": "1991.09.24",5 e- h: w, O! t1 ~' y; N3 q
"Tracklist": [8 L( x' s8 B, ^) n7 W6 @ e
{' e& O1 q. W. L( I/ h6 C4 c7 z
"Track" : "1",
W; F5 [8 a3 b6 T0 { "Title" : "Smells like teen spirit",
2 i6 J) v }; d! T; z "Length" : "5:02"
1 ]% U9 u1 b9 o# O3 j/ D },- N! K K; `" Y
{/ f. \' I6 C; L2 p
"Track" : "2",
* m* \0 W) _( v0 R D* x/ \9 { "Title" : "In Bloom",
4 K5 ^( [) x1 w0 Z) b "Length" : "4:15"0 H# \4 R% J ` |9 N' J* k
}
' {) m, X, }4 ]+ L( } ]
7 M7 h" I) E9 w% J% u4 [4 I0 e}! |% q# |" u, {/ z( ~
7 E$ N$ y8 O) _{/ F* K. [7 B6 S8 E1 p; C
"ISBN": "987-1-4302-3051-9",7 S8 L' ]( h3 Y5 [- E2 c
"Type": "Book",
: D/ M0 [* ?- e# B2 O "Title": "Definite Guide to MongoDB: The NoSQL Database",
. B: u H. ?4 R& p! v; A- Z "Publisher": "Apress",0 S o8 p0 m; g7 p/ O8 {( U
"Author": " Eelco Plugge",0 ?; D6 I3 T" X: o$ O5 |
"Releasedate": "2011.06.09". V- C$ K+ G9 F4 S- U7 z
}" X$ q& P# O* A- j2 K
% R8 s& t# n/ q# R) \ 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。! r9 P# y9 }+ Q# J# w6 t+ J& N
( O, @- t# K1 g; o* W* @9 `8 H
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。" h1 @ c9 M2 s* \6 r3 s' Q
0 I& ? t% z+ e$ T
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。
r+ ?# A$ V" [+ t1 C2 q* p
5 _( u: m0 u( `( S T9 e$ [4 @ 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。
4 B3 z9 C) A8 U: s) v+ e1 F9 U: ?; G6 D& y7 O. d- N: I5 q+ B% \
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”。
! ]. f4 K, {% H) s$ m# R. [1 n7 z& I. @
Chunks
4 M' j) V3 {+ F4 o" a) h0 X E! e: P- m+ V: K0 D/ H; w
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。) ]3 B L9 k( V5 }% f
. `. R3 n' m' J0 ~+ p
1 n0 o }* ~. x! ?图1-2 chunk的三元组
3 |9 J3 S% o5 |" M5 o& U8 p% A9 S, E7 X! T3 l
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。
- o+ n, Z! X9 X; g, v2 M
p& ]' L- @5 W/ k" x q. N, [ 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。
+ m' q# Q* b, j* `3 F( q4 ]* Q: F. ]+ O
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 ]6 }7 R6 J' l% ^: T
4 E: d# g4 Q5 i6 `* W6 `" G# R; O 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。" ?/ e) _ d9 w' U: x9 G
( Y# ]( l2 z! l5 P6 m! ` 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。
7 R* e% }# S# s( V! G B2 ~3 x7 ]5 i5 ]% A. K
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。
/ A1 e; K9 q6 ?7 d9 d
1 W5 @; i3 `6 ]& c" a4 YReplica set. b2 E: F; D3 w! M
( F0 X0 e2 o% }( o
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 T/ U! d* y+ N0 V( F9 s6 A
! N# u8 r( X. \8 p) i5 g( u& v$ a
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。' [& K* C3 u: g& d: T. d, D0 y
% ~+ a+ \1 f2 u: B5 b( `8 ^ 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 T9 B6 I+ i& z( k/ G7 Q/ i/ _
. Q: p2 m7 W0 k7 ]* x: J
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。: ]* v, y& ^5 W
4 H6 |, o+ M# Y* T3 oConfig Server: C9 W1 Q& x: ~! r, u+ Q
" J+ q+ [% t$ b. x
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。
- N4 K5 Y* F( O+ r! G% L6 b
+ ?& o0 l; ?, ]$ v; T 每一个config server都包括了MongoDB中所有chunk的信息。
; B" V |# I$ x! C8 u2 j4 ^5 a
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。
0 q2 l+ t0 ?# u; e
- J' u# r. U# T& V 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。
( Y! z* }) q! r. M
" j7 d- w$ a4 K 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。) H. [$ i: M* I* q! {
% L. i7 z- d5 S( ?Mongos
7 a1 q1 e/ b: I8 U
" ^! u8 b! Z% J& y! w 用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。
+ |: B% Z4 ^/ u$ g; G; v: G! p0 R4 I$ A- ?6 n9 n3 Z) b2 A
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。# X" R0 h1 |: ~3 q6 z. N; n1 g
4 \& ]) P( i( a 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。( a) S5 b$ p. L9 t
+ x9 n8 L: @) Z: G/ W 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。) f+ s3 Q& w0 K* N
1 |- A; Y& v: z, f) }" w7 Y. n" M
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。
+ f/ _9 y) R4 ^; U
* }8 M' b1 y' L- ^7 C' b" X& q; U0 d1 P1 }5 n( ?. Q9 i
Reference,: o5 f9 b, j. b* S2 i
5 I$ u, w K) T6 _
[0] Architectural Overview# ^ B0 l" y- V/ T
http://www.mongodb.org/display/DOCS/Sharding+Introduction
' V I+ j9 v$ d! q3 [5 H* g% u |
评分
-
查看全部评分
|