|
|
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 B- ]$ N; I9 e* U* b# Z- P4 o) S9 i, d X1 b
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？9 K; Z5 u) O: P. E* F3 f' ]3 q
8 p3 S4 x3 `$ r) t8 z- K) c
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。
1 u$ C* \) W9 ?5 q; R' y3 r
5 D/ K& w/ j1 M* `& C# o. g
. M0 D6 t+ V* c! X
$ @( N! Y8 _9 o$ g图1-1 MongoDB架构图
, w1 ~0 u6 q; d4 a
% E8 A3 s& l+ ~5 q 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）。( ~3 h% k9 E5 l! [7 l
6 w6 u! j. r1 _Shards
5 Y5 ~/ c' U& m# M& W$ r0 M
+ c4 L: G+ O) `" P3 G 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。
' G1 I- n" | M/ o/ }6 r$ ]
( L8 B/ a9 U* s" n* ~- | 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 m! b& k+ d5 v+ d$ G0 f
# R3 F3 U3 |/ m
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。
$ T% `$ F8 i$ q f5 {% a: j/ a( c6 q8 h: k( 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。
4 {. a# d W9 K
& `+ i: J* b8 [0 D$ K% P2 @Shard keys' P, w) d$ H+ S+ d
# l( i8 s' R0 m: i( g 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。. Y/ W$ l2 W/ j* v: }
0 a. j5 z9 I0 W: [7 h! l h( L( C
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，
6 _6 E0 R/ u- L0 H K8 ~) v7 b7 m1 u9 `
{
& z) I+ }2 s a "ISBN": "987-30-3652-5130-82",6 t; ^( m; p" I; Z
"Type": "CD",/ \! B, ^4 T* q; ^: L
"Author": "Nirvana",' }2 T; }2 F. Y; d6 ^, a
"Title": "Nevermind", u' u& ?: j* ^7 O" q
"Genre": "Grunge",; U4 ?$ v# X- C3 ?5 e2 l
"Releasedate": "1991.09.24",
/ M0 x* i8 F- B0 `; a/ I- I "Tracklist": [. q% W( U3 {; P( G- G
{
: b8 x0 o$ S1 l, r+ q/ n0 C "Track" : "1", f! p+ q# v: z3 B0 y2 T+ ]) N4 J
"Title" : "Smells like teen spirit",9 h9 k5 W/ ], p' g+ L: E3 K
"Length" : "5:02"
& p( c9 f5 C# B- X2 e4 F },
/ I: O3 J# K; D" T$ | {
. y6 b+ ?3 z% D4 P% x( k "Track" : "2",
7 |! X7 Q6 q: S$ { "Title" : "In Bloom",
/ i# Q5 {% L- J( H* n "Length" : "4:15"
/ R5 q* V3 v G2 V# t' c- } q1 B }
! Z# K _: k+ }* u! X ]
- U* |& W& }* B/ T- i}
! g# k- m9 D0 L- ?: K; c
* e9 Z }& s) p2 S& n) \2 ]) E% m{
2 X) z# H' d( `5 u" j& O "ISBN": "987-1-4302-3051-9",; w8 U3 x% s( o$ A% P7 R8 ~
"Type": "Book",
8 }/ u, d3 u2 | A% W0 K "Title": "Definite Guide to MongoDB: The NoSQL Database",
. a/ U3 J+ B1 ?* c9 Y5 K: _ "Publisher": "Apress",
0 r' P3 ?' N! A9 {, X8 ` "Author": " Eelco Plugge",; c$ |1 a: V( Q5 e: S
"Releasedate": "2011.06.09"
$ u3 ]+ y6 k; G: Y. }0 P}
2 ]& r6 U6 A6 |: D" K( g% X5 C4 f: U8 e) Y
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。4 `4 j# f* D! c" G" j s
$ m& X$ R- D1 V, \( ~ 在选择shard key的时候，一定要确保这个key能够把collection均匀地切分成很多chunks。
9 H" O! B0 c( I, k$ \) N ?
# J, q4 o. A- }- `# x 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。$ h; n* M" y t$ o( s7 n
5 T" u, D9 n7 r 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。
7 l" R* i6 a& k/ |% E
/ A" J! ~0 c; D3 }) @/ c7 @ 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”。5 k4 u* z. Z: h8 V4 q
) O% a# O! S! o( PChunks" ~0 j# ?1 a5 i: m1 [/ @: D9 d
5 S4 o$ [; j3 @( _" P0 l 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。
# X9 z" t5 i* C. L) ?$ i' ~ @% H& q) T3 O! o! V( E0 i
; l5 L+ ^! s( a' f1 A; r4 `" e
图1-2 chunk的三元组 ; g$ A, Z- v/ q5 ^5 c7 t5 D8 _
- ]8 Y/ \ p0 c* n8 c) I
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" ^. G: F) w* M3 W
# N, {& g8 y5 \* r9 H9 Q 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。
9 K& g. {( ]7 L+ K' f9 l8 q! ]* [8 d1 b: f6 i
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。" p" i( ~- }, d6 r6 x9 t
% ^: V! y2 x8 ]- a g 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。
1 p) L9 q% `5 w. y" j6 e* w1 I1 \& ~ ]- z" e6 g) a) ]' u
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。- v2 T8 T, z/ X' k ^
4 ?# ^ W! |; }, L# b: D0 V
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。
L q' s L/ n4 ` B6 y$ g% V) D7 G, J% w& P# ^* ]3 m& r' i
Replica set j2 ?4 N5 _4 f+ k+ T5 q
2 e4 ?; }! d4 Z6 x K) 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。
& {. i* |5 O6 ?( Z
, q: \" x3 j$ y3 @ 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。
0 x: I- y: `8 ]7 n3 N! Z, A
I# V+ g. w+ O2 y3 N4 s 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。
* Y1 G: T1 `6 Z: D# v0 m& y2 }# A A
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。
/ b+ f* H: Y; A$ r5 y$ L) h0 q+ @9 d1 V# T, U+ e
Config Server
$ q$ R6 ] G% z% o- _3 b
7 W1 w9 g- p. S* a( ^8 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。
9 _. L4 W4 d% Y
: `5 r" Q; e5 P$ m% s 每一个config server都包括了MongoDB中所有chunk的信息。% Z2 R4 ]6 J. S1 s- H0 b; ]# d( I
4 _1 o1 p4 I9 X+ |
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 L9 \8 l3 B$ ~
; _" f5 T4 c6 [$ k
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。 n+ \, F0 T/ R% Q* ?7 e
) z7 T) P# Y! W" z1 x% F5 n4 G 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 K F5 F8 y; |3 E& Y$ |
- L. M* C" W, v- v' PMongos2 b1 n% w5 _! S' p+ M! d
% s/ j% M' V" v5 g$ v. U, s$ {3 b 用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
/ A2 Q/ X# C. i" W7 N i3 o* B% s' ~0 D* [
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。
/ |; ]- a, Q. D; A+ k( U: X o
( @2 N$ D" S+ ]2 ?4 [ 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。' k( L. { b9 C, J
) l7 V& P' p- m2 [) O& S. N, Y7 a
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。5 {4 O6 G: s* C5 `. |+ [
: g$ q2 Q% _. ]9 k3 X
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。' K% o1 e9 f" i' D( K
' e6 t& y+ n: K. @" L
6 r- {4 K1 l4 {. A6 t, [3 d
Reference，
) d; w! |' c1 z1 i3 n2 y* z6 ^/ N) z/ E, E! b5 W+ o; h
[0] Architectural Overview( }- j6 q- e$ [$ L' c6 }; f8 q1 v
http://www.mongodb.org/display/DOCS/Sharding+Introduction
' a! s. K8 G; s; v2 h |
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。
