|
|
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。
' l9 o2 G* i% e2 u9 k% A
7 p- s! A. |" m5 @9 R+ q 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？" e2 L' N$ U; L7 G
( o5 P2 p% @5 M' H0 v 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。3 p: L, ]# G- u {9 r3 o' F
; Y3 b e, [. ^+ l0 ]$ X- W2 p7 r/ z
- g: j0 _( r+ S8 c
/ `7 N- k1 d" r/ y+ u! n' d4 K6 v图1-1 MongoDB架构图
/ X: {! c0 h) f
) V. N0 k! S; ]9 D7 c 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）。6 z' s7 H8 ^" T' ^3 a6 e+ s
! Q8 u/ x! t% ^3 c. T- Q
Shards. ^; q2 U. m- M& Y; F. x7 ^
( }1 j# T1 z9 o4 _/ `6 ]
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" K* U' b+ a$ T) A! F( W+ M& |7 {2 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）。) v: a) \2 D$ F6 p: [7 R
2 E, o" P' E+ `
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。$ D! F$ E# e4 Z" V6 s9 m' Z
$ \4 x6 C- c4 P7 I7 S1 _
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。, i8 |, h1 q: N6 n8 K0 _0 V& f1 F
' s( W M5 v- |8 \- F4 x: i: h4 [Shard keys
0 k5 A# M( v& Z9 ~# n% V
6 R5 r+ m3 s) 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。
3 B6 c/ j7 r6 z4 s! I7 P: e% F) G/ e# h1 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，
+ U6 _- m6 v5 r2 ` _3 k
5 P6 x8 o+ F" s' T# m{8 W7 W6 @, w8 @* X b
"ISBN": "987-30-3652-5130-82", O8 C7 n; y5 ]0 m4 E, c
"Type": "CD",& [- D$ |: H) }- V
"Author": "Nirvana",
$ b6 C% Q9 h; T1 p% M! V+ H "Title": "Nevermind",- N7 W8 i+ W- J
"Genre": "Grunge"," _7 _! k3 l! N
"Releasedate": "1991.09.24",) i. j& F5 n0 m3 W
"Tracklist": [( u D; l# e" T1 v
{6 \, l6 ~9 E! K- L( R% }' U: i
"Track" : "1",
3 L1 o7 m9 G5 b& E4 _+ F4 ^; K F3 e "Title" : "Smells like teen spirit",$ d7 c: f; d9 A' B6 v
"Length" : "5:02"
2 f4 N$ V0 L9 v1 d! W6 @6 u },
& A" i. q5 v0 i; D {
' Y; U; F+ }, ~, a5 { "Track" : "2",1 e H' P1 L5 V4 l4 a5 l: l2 s% w
"Title" : "In Bloom",
" g) S7 ?% Y$ B4 D "Length" : "4:15"
9 R" {; t" Z% @& J2 [$ G( [: d }8 u" d4 D/ \5 \. V! @) m% T
]
4 x1 G+ y: x! {}
1 J5 q$ z' c2 R) `# W$ |7 H' S0 z) N& a" U* U/ c$ A& A1 T
{. ~( S& \7 U( ]$ b4 X! u! @; p' k
"ISBN": "987-1-4302-3051-9",
. N* X0 t0 K' W% P) k. \3 g5 T "Type": "Book",
3 Q1 `$ W5 b* ?& f "Title": "Definite Guide to MongoDB: The NoSQL Database",
. T n7 ^& C- ^7 D "Publisher": "Apress",% a+ s$ E% w# b7 m
"Author": " Eelco Plugge",
/ R7 o' `. j# T$ J5 N8 Z "Releasedate": "2011.06.09"
, c) C" ^) p1 B C}
T8 N# N; h/ Y6 p# |* n! H( G7 t' Z
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。: q; M% e# e+ Z! F% Y4 `" [0 A: `. a
, _2 E& \ q# R/ o+ O0 R' u
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。& O2 K/ [; I4 L0 b6 e' b
. F& @5 K! x) X( w- Q7 y
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。
- R4 X! {+ d/ Q
3 G. y2 H, U9 G) k( M 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 @1 c2 }! l, D4 ~* E, `/ K/ I7 I
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”。
/ j9 F4 |! T8 `8 f% X I' |7 I5 L- ~5 [* ?6 ^
Chunks
! f# {- S. U9 a. N5 ]: u& A r
% C! E! W* x/ A( X# B 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。
5 c2 B& x; `+ J) b$ Y% {7 r+ F7 P. W; K: m4 }1 J2 y, G& h% r; a
* y0 ] T" Y7 p9 [0 h+ u5 T7 H3 T
图1-2 chunk的三元组
/ l5 |# Z/ T% ?& n, z G: t; [ M. c
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。
* s, P$ \9 x6 F: N/ F0 n' y) S7 h& D7 \% {
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。
( K6 \5 p* C. M5 c( j: e N3 R! d4 |1 Y9 s4 g1 W6 v0 N* W
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。( Y8 Q7 O" W( D& H3 n U
, n! q; g5 T; Z& m6 P- L
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。4 h% o* u; Q+ _4 U k% [+ g. b/ E
# {) A2 }, X) C& R
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。
" g: \0 [( ^! R: c4 A9 z
3 B; R+ u0 T% I" T 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。2 O- k7 H1 t$ J9 j8 |% K/ c
: C4 e6 y3 W0 X9 C. qReplica set
9 ]# E4 B/ A1 n0 U# A( a: j ' l- S3 X/ X, B/ @) @
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。+ B0 W: R; o" O; q3 R
+ t6 W% p4 R; `" O: E# G. z# G3 H* 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。+ v$ i7 f: m5 E: V! ~. \/ {
6 S2 k$ {4 g: T) w& w5 B$ J0 ? 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。
# F) ]1 u3 P) ^6 Q9 U- _" \" w
. C: z) U! g# {; L' i F0 }; y. L 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+ }2 r2 t+ K; K8 a' o3 B! a* j' e( j, n& x, p# i$ \
Config Server4 D0 H" c; x! g7 f2 m
0 b% E# j# C! W2 y; n 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。
, g7 F3 S& r2 G1 |5 i, S" z& P/ \8 X: @# Y' Q+ G
每一个config server都包括了MongoDB中所有chunk的信息。* I0 `' |* l; Q% Q1 @
) u3 ~* d% b, L3 [4 Z& h2 O 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。
1 K6 c7 r1 }0 z! f1 P* F
0 `5 x8 D0 ^$ j' d) c3 ^8 E 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。1 C$ W% \9 l+ f' ~, a% l% y- b! D
/ j+ w, e2 `7 g1 d6 \
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。 U% P. n* L9 S, @
# i- p% h1 p3 z' r: p# ?, k
Mongos
& m5 a) z# _& z) a
& m$ k% ^5 V( I: \4 j; I 用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
( w2 C' l* M8 s$ e% W9 S1 l
5 U9 V0 y" H Q0 W1 I( ^# @2 d2 J8 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。6 l9 m4 J+ C9 |) T6 V# I0 z* b% N
$ t0 g7 ?7 F; |. K) `9 r0 Y! Z) Y
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。. l& B4 Z/ d% T5 F5 F, q3 C) |* P: i
4 J% ]9 H2 g- T0 n. Z/ y B+ e
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。
6 N/ `. x$ n+ O. I: K: _) T7 |) a" w; l- z9 g- ?
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。
! ~- `7 R4 c9 Q5 M* @9 X2 A i7 }. _) ?- }& n1 g: z$ Q) y
* h$ N) c9 p5 z
Reference，
( c# I. U, m. r0 h+ V7 O
' M$ M) V$ }- E7 b) G6 F0 G[0] Architectural Overview3 Y! C, L; H$ [
http://www.mongodb.org/display/DOCS/Sharding+Introduction! I! |: d' Y0 N @) N$ l9 W
|
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。
