|
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。+ P8 x- ?2 y6 j6 [9 Z2 ], D i
, P6 C+ t4 p' n2 d0 ]# |9 n 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?
, V7 n {0 ^5 b2 S9 F+ e4 A) h
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 M' {& l4 V. b# r3 `
# j5 T. |' C7 g) ?+ M6 k& M
& T2 [) d' J' R7 P1 Q
0 p; P4 }5 X" d! d图1-1 MongoDB架构图
9 p9 ~# Z, L+ C3 q$ F+ N/ p
0 F W. a# U7 q1 u+ e, \ 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)。
8 X- Y9 j+ c7 f0 V7 X
8 K; x# H" v' @6 H: x( oShards
8 l! q- K, u( f7 M; @* v* K+ ?3 |' f
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。
3 }4 O# q! t" ?' @6 ^/ { R
. x! p" U* T. s, u8 X* 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)。
- L% e( O0 A. r
) b9 P4 ]$ W* S7 l/ q 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。+ }7 }0 \* e" H! M
2 G, h5 ^* ^% z4 B; b3 S: G W0 s
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。
& U9 @! q8 U% {* C' e4 z* r* }& z7 a) \* H* ?$ x8 B; N0 D7 d
Shard keys
5 G) y7 \2 f- d0 }5 P : o' m' L, [! H4 |$ j z1 x! o0 [
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。* i( T4 z; Y( \0 e
% w+ W) S F2 i( O/ I
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,+ \+ i4 S* c( L1 D: _
" T7 a2 p _" y# M1 M0 T5 J- v4 a5 b
{% ~; i! E* b/ X6 h9 q: h5 d
"ISBN": "987-30-3652-5130-82",1 O/ H0 r3 p+ B% k) @
"Type": "CD",4 w3 a9 `% h; s' m, T
"Author": "Nirvana",# W/ m6 Z& H& \" _! V2 L4 {( Z2 S
"Title": "Nevermind",+ K( ?+ n L$ l y
"Genre": "Grunge",. L3 {" p9 V" d+ h& ^
"Releasedate": "1991.09.24",, F# W" i3 _6 S I$ d% [4 t
"Tracklist": [5 N8 t3 X) B. w# U
{, W+ R; ?4 K) f/ e M4 V
"Track" : "1",
) ], ]6 x B5 I0 X "Title" : "Smells like teen spirit",$ z* C( ~1 e, k: D* t! D+ _
"Length" : "5:02"
+ Z6 m+ n7 `6 U! K9 _ },, d5 E; R/ z* A1 p$ ^& I( K
{$ g2 Q6 F" r0 k* `0 K
"Track" : "2",
, U+ X7 G6 k- P/ H; \9 J+ V "Title" : "In Bloom",
# h7 n5 l& B7 C. A' p d& H s "Length" : "4:15"
& `* J% y4 a& g+ H1 Y$ a5 q2 { }
6 K3 k) Z) T. d5 `. X' r; _9 i ]# D2 l* z9 }8 G0 s& X
}
- ]8 K' N# W4 ^4 g! ]' A2 y
# @8 s9 R F" o, y( i. R{! `/ Z: t& |) W9 b; ~" ^
"ISBN": "987-1-4302-3051-9",# |. \. M- x# y' j+ T& F# D. i) S
"Type": "Book",
1 q A* ]# ~0 W "Title": "Definite Guide to MongoDB: The NoSQL Database",& e4 ` v u" Y# j* @
"Publisher": "Apress",
0 k& v7 q; [1 I! l: m "Author": " Eelco Plugge",
# y4 s L- Q* }! H4 x6 r; a "Releasedate": "2011.06.09"
M! Q0 _ n1 M5 u. C}
+ N& q+ i6 @/ k, L- M- X C, N" L% ]/ e
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。! j9 |$ x I& b/ E- c
8 `, e2 V5 f ?1 N* ^ 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。" ^; B/ t' p0 O
) a) Z) |; f: |' ]
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。, O1 e7 |; I2 y9 P6 h- c
( Z* `3 O7 t! 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。
$ H8 { _% \' M& l( T q; U# q( Y6 m2 e/ F1 P! t1 {: a; t
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”。
' u* Z. N# s! x: h: A& e
, p; p' O4 B. t: y. b0 SChunks
- c t" |0 ]5 W) ]
0 W; p- T% U! B+ V 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。" x- p0 z; A# K- y/ X: l
$ h4 I# c0 R8 H3 o0 T7 q x
" E( m; i, ~) Q; p/ Y图1-2 chunk的三元组
# r7 e0 M+ O* ?
1 P0 P& {. P% ]. {0 e# u- g3 | 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。
% z- z7 U% B: M) Y: L
% D% ]0 P$ O' N& j9 c& O$ V0 M 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。
# T: a& i7 A, S$ q( W9 e7 {9 W
! `4 ?' l2 n3 k! c% `9 j 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 \1 n: I6 g, _ n- b9 ~* l' {
3 W5 L9 y9 s- R3 e6 {, { 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。" U" q3 |& { b/ U
4 S" j& P) M0 p# E4 k) ^
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。- G0 A4 S3 ?% A! s# g; I. n
% L3 k: O3 q9 H) c6 q
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。
: b- @: \* ?8 \% w# U. `: Z- t% f R8 F% H6 ?* W9 D5 n
Replica set
9 ^, a. @+ v( f* q
+ m6 p1 Z+ Q+ n4 V 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。& {5 B3 }, j2 E5 i
2 H k; O6 z9 I+ T- F
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。* \6 ~5 N) o. j; X. ~
\ `( h7 o5 S: w 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。
# O; t3 o% {, x; N/ C- m) i) H2 |3 a: R4 `& }6 a, t
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。
; k! N* x- `4 Z. x/ G6 G8 [
% t$ l! x8 Y5 l HConfig Server
/ ~- N4 E$ B# p+ G6 R
% ?$ l$ B2 u" n' f8 s4 Y" \! g, \+ 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。# W) ^# t% ~+ c
* R X y( [; g1 G$ \
每一个config server都包括了MongoDB中所有chunk的信息。, w1 X5 Q2 E+ N: Q: A/ u
+ d3 n3 w2 s, t4 B1 T/ |" s- P
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。
% L0 ]0 v/ x* M' I# z3 ]
7 k6 R% C7 \/ z 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。& V' X2 V' |: q
2 ]3 R/ S8 ~8 Q% p9 Y- ]6 _2 P
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。; h2 i/ U, M; n% c" k; e
9 q- V7 {9 n9 ^6 N
Mongos
4 }, I8 p- t6 ~+ R
! l( r1 b3 Z$ Q, C1 e3 T 用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。) Y6 L- W$ m) [8 l& D2 j
4 e& V- G3 @- e" J5 c/ Q
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。
: {9 l' c2 Z: g! c* a9 y( ~1 F. U- t: l, f" h$ t& e
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 P" s) o/ ~3 s, b( h
! K& |+ _7 H W2 r+ V9 M2 B [" 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。
' E) X) ^9 q* L0 @ B: r- z
* f5 l6 W2 i9 V, N, H. F. w 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/ }2 r* z; U% z/ R0 m" I4 r8 i( i j7 D
( u7 ^+ a3 z5 I8 @2 n6 W6 L1 H
Reference,
! E( J" b# w$ l2 o8 e- Z# n6 Y* W0 o W* j8 r1 ?
[0] Architectural Overview
5 ^% P. Z. L5 [http://www.mongodb.org/display/DOCS/Sharding+Introduction, ] H. `" w _; z- o
|
评分
-
查看全部评分
|