|
|
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。7 |5 @" |) Y) ]2 M
( X1 Q& \! x: a _% 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？
7 A* H6 D' n7 A0 q) Z
; z: d& R- @9 Y 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。2 H+ m1 J. W: y7 J
: N0 f" d+ l( c c
. z1 e) R. x% B5 |: i8 O+ P" s7 j
3 U( G. z/ f# t2 l$ `9 A" o图1-1 MongoDB架构图 ; p' j* W( Y! q- P
- |2 o+ m {6 f# c+ }6 u
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）。
+ C% Y" K J3 F2 h
5 z/ C3 n e2 B3 A M7 [: ~Shards* g8 _6 a3 m; R! P9 ? H! d9 h' e
6 O: l" I1 Y3 A4 ]6 y
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 r8 P% p7 |' |
2 X5 F5 w& g2 C# O 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）。
2 z' F( o% t( l7 q
. R7 U! N# J6 \: O1 M5 L) t5 w 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。" k0 [+ e" s( t* s, k- s" Y
+ c. N# r% B% J 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。2 ~0 L. U3 P) b+ \0 K/ P w
; J& o; W* k! [4 h% pShard keys9 [# k- _% W" V5 n% _
/ O* @/ |! t. r& O
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。8 q' \. F; i; |1 V# x* `: |* R
; t! ~+ [/ L, j4 \& F 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，
; H0 `* D2 q$ v+ s: w' k
) F6 Q' k7 e* Y- u6 t{+ F6 y2 S1 M8 j0 ~6 v6 {+ ]
"ISBN": "987-30-3652-5130-82",
# L7 f k' k7 J6 [1 _ "Type": "CD",
+ x/ V! X) K0 [4 Z' I "Author": "Nirvana",! G( o3 Y) s5 ^6 A
"Title": "Nevermind",
) M5 z. V: |. ]/ N "Genre": "Grunge",
- }$ Z+ _- i1 M4 E& y u "Releasedate": "1991.09.24",
$ d7 J5 w3 h$ B# U; X: H9 h "Tracklist": [
: N* g: W5 x- G$ |8 i {
7 s' t4 T1 A' ^) z "Track" : "1",1 f( n% t: v9 H! G( v) i
"Title" : "Smells like teen spirit",! \. _0 M- l0 ?7 @
"Length" : "5:02". g0 `! y$ Q$ b/ J- U3 U+ M
},
0 H$ ` F! \7 t5 V4 P/ Y: \ {
/ ]! O' z5 z% q) {/ u: W! y "Track" : "2",2 @# L- p- s! S/ h( X
"Title" : "In Bloom",8 @9 U5 {/ Y9 C/ f7 c& P, e+ _
"Length" : "4:15"
/ S7 a3 h/ ?+ f5 H% I }
. x6 C% P8 ?! U ]
( S0 |( S/ q7 b* }) T}
) w( d# R. Z) V7 ~; V1 i
, V/ E/ d& `, L' m1 {{0 p# y( t$ I" W6 M' ]8 a: {8 j
"ISBN": "987-1-4302-3051-9",
5 [% T, F3 n) D$ d+ p9 ~7 o) u& u# d "Type": "Book",
$ l/ w4 s/ t$ c [, I "Title": "Definite Guide to MongoDB: The NoSQL Database"," c7 k. u6 I1 W$ C0 Q
"Publisher": "Apress",* u* y4 C0 n7 s, I
"Author": " Eelco Plugge",6 ^7 f) I( w0 s4 m! ^5 f: F
"Releasedate": "2011.06.09"/ b: _9 d7 ^, D7 H" `; e
}' F |; s5 U0 H" T+ \/ U- y
# o* ~& D! p( [( @3 Q+ s& G 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。
) w2 ^! a. ]3 J# ?! |1 A8 E& v8 K* c; q' {3 F! {) c* z7 k3 M
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。
0 o- o1 U' B n" g) I) V1 I6 h% R! ?: Z) e1 S
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 b8 E* U$ f A' ]. Z: c* @* a) ~/ Z9 e
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。
/ s3 ?9 N$ ?6 r/ R E/ s. C
4 _$ j! D$ g! j+ 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”。, n$ T6 o; U2 ~' H; ]" @
- d1 G5 c0 j, Z3 q' y6 o& N
Chunks
1 w* a% o' j) a6 {2 A6 G
6 L& g2 y8 N: Q6 J4 b- k 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。
" F" S- A" N/ d; G% Y; C7 m$ y) I- q& y$ ] L; o' U
f" g d9 @ U+ d2 c) `图1-2 chunk的三元组 " o" s! O. O4 n/ i! T) ]
1 F- c2 @/ z2 K- k* U7 f( n 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。
5 p9 B; Z" D# s: B1 d" m7 A4 I5 K$ n
! d/ B! A7 T9 q$ C6 e 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。" N+ ]$ S. ]" v# j' C" Z1 H1 X
: `) a9 E7 i* b* f2 S, H2 H$ t
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。* F u% z# g) E( g
# t/ L- ~1 K6 H3 ]) z$ \ 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。
/ O) t' o" G7 t) Z" H
2 Y7 i7 P/ u8 m _3 y# E& k$ 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。
& z6 U. v0 h( U; Y \/ z1 J8 D
! G7 L! T# O3 \5 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。
6 w+ g( i7 |4 U& _1 \6 G/ D* d" r' \5 K8 v; x
Replica set
6 M- p; Y8 G+ P. j! ~4 \9 d3 [
% y' z$ e F' Y/ \ 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。
o* W( O" s g1 V* Z& f9 C( l% U |2 u. ^/ w& K2 D4 p0 f3 V6 Z# o
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。
+ B: J4 | Y( `' m' |0 q0 o
& z" I% Z1 N. P) a 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。4 C% n. H7 @6 e0 W* _1 j, J! K
7 O) R4 ^# L. Q- p2 I% P# u
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。7 o3 ?4 z8 c3 m8 J+ q C
! @3 D+ E* u+ J3 ]) f; ]Config Server( o% p# ` h+ b, c/ g4 _5 h
H$ N) m! }3 N, l% H6 i1 V+ k H6 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。9 C7 g: p6 u' o" t1 G- {6 w2 V- Y
0 B5 p7 v% n. O8 C" _/ d+ X; t
每一个config server都包括了MongoDB中所有chunk的信息。
) `4 y E5 }5 m: }- R; D& K: U. B: P
% R& V( S) s/ o/ i ?2 f/ y* r7 @ 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。
% m1 h7 m' U" m! O6 O" Y' p
: X! h) v( g! j3 j 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。
: a9 Q. R& T8 H( I h4 K
/ q5 x& D# H1 c/ M* o' z 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。
3 \2 x5 P' R: Q5 x7 _- t
, c/ \! Z' f8 {; a! ~% o. JMongos' ^$ X8 P6 V4 Y5 W4 r' |; G) E7 s
. W" s! c, x9 U! X% p1 ]9 @. K
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
8 p1 k a8 @: a2 j3 O' r; i) t3 M5 o- V, c# E
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。1 t) {0 Y/ D$ J% U4 j% C' \
" l2 k9 ^4 y! t5 B
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。
$ B- Y4 F) U& w* Y
3 a$ o! D1 N) D- \) c 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。; n7 ~# m2 b8 _# ?6 J+ g
+ ]9 L6 f* {# I8 `! n+ _ 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。
2 o/ G' A3 Y& C5 Q' A" u5 o$ U4 `
1 ^2 P5 E" c' W" S2 VReference，
" [1 [8 ]! h, G8 c/ s' X9 x8 Y( v( b
[0] Architectural Overview ] h7 N7 }& q1 @
http://www.mongodb.org/display/DOCS/Sharding+Introduction
! ~- G) u! \8 H7 ^1 R0 u( ~ |
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。
+ e9 v4 x' Q8 b" Z! u+ l