MongoDB架构概览

shengnan007

    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。

    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？
' H% w- o. X) |% U4 ~9 {
4 l$ t/ r3 E5 G1 \' N2 m9 d  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。
, U* l3 M3 k: z) `; r" W

图1-1 MongoDB架构图

$ O& o6 j: Y" W( }* k+ ^3 B! h4 ^8 V    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）。
! a5 Q! V& J8 d1 A3 I
7 i7 L9 c- W+ @) L0 r' VShards

    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。

! U' @. c. N; f    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）。
. u! R9 V# j+ ^) s0 v, K  k9 H& p
    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. F" K7 t1 |
    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。

Shard keys
        
    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。
6 ?) `4 n0 j# k/ H7 o# Q
    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，

{
9 i; [8 a$ Z$ q% r7 W3 Z  "ISBN": "987-30-3652-5130-82",
  "Type": "CD",
& f/ B7 L: `, v- w6 x* W+ ]: [; p* P  "Author": "Nirvana",
  "Title": "Nevermind",
1 R1 g) r5 O3 v. e7 ?2 ]  "Genre": "Grunge",
   "Releasedate": "1991.09.24",
   "Tracklist": [
4 P' J9 a9 u/ V. d0 B0 p( Y     {
0 `! Z+ R" i! k, }# l        "Track" : "1",
5 g! x. w3 c8 y" k: e        "Title" : "Smells like teen spirit",
        "Length" : "5:02"
     },
& J# _: |# N. U     {
7 A/ |( n1 E$ f8 d. o: h* b        "Track" : "2",
6 D7 r6 A, r& }5 Y" ^1 z        "Title" : "In Bloom",
  q' `% N$ e. A6 V, |        "Length" : "4:15"
     }
   ]
6 }1 N9 [$ r; \2 s4 h}

( I; J. H' q8 \{
  "ISBN": "987-1-4302-3051-9",
4 M- M+ q; D" K2 d0 f6 A7 @  "Type": "Book",
) G3 [/ Y$ T: X! j2 k4 z4 G  "Title": "Definite Guide to MongoDB: The NoSQL Database",
+ m! j# X% K4 ?5 w  "Publisher": "Apress",
4 t6 S. ~: D/ `9 E6 |2 a# q0 P  "Author": " Eelco Plugge",
  "Releasedate": "2011.06.09"
}

    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。

    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。

    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 J5 h4 t) B, W  l  \" o- B, r, n
    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。
. r1 Z! r' t; S$ ]1 r
7 i: G7 f  u# @5 [9 H    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”。
7 I' E: q3 K+ Z7 \; @
Chunks
) t3 a' |3 P( Z2 t        
' ]4 C6 G+ p; E% d  R+ y* x    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。
6 C2 v6 g" h( C1 k5 w  b2 `7 s
% z7 g+ e1 H7 P. O

图1-2 chunk的三元组

    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。

7 q  {( a5 W- j  _' ]- ?1 U    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。

    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( g; G  F2 c7 P! s. R
    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。

$ m! F. V3 E8 Z2 K% r# `8 \/ {    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。

) [+ R8 ?& I% x    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。

0 @$ O% }' e1 Y2 x# RReplica set
        
$ s# g' y. o) A" A/ Z    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。

    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。
: P* w1 ]# U8 u, ~& B
    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。
- F0 g8 Y8 N* ?
6 L5 {- m) o  ^8 B' ?1 y    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。
2 S2 T; _% _$ Z
Config Server
        
9 T, [9 ?" v9 y8 {+ b    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 `6 k* q" J" R
3 b, H+ N% `6 @$ f    每一个config server都包括了MongoDB中所有chunk的信息。
% a1 h# C- d: h4 n% c7 L+ b& A& W
( T7 K+ M, ]+ M; G  V    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。

    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。
; ~% {* }/ U, [: f- P9 ^6 W
& ?' R3 g7 s# q% C- U0 ]0 ?: w    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。

Mongos

    用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。

0 U3 h6 N  D$ A. D4 |    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 J) @2 w2 F, A
. V  B: g* X5 k  s. v    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。

    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。

    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。


( Z+ u' [$ z( W# SReference，
9 w9 K+ y  y; ^. r' c
[0] Architectural Overview
& T8 q% h% v8 Yhttp://www.mongodb.org/display/DOCS/Sharding+Introduction

PenPen

) v' ^  s7 [" e1 |
3 W8 S4 b" G/ ~/ s3 n$ Y您是和邓侃一起写文章的盛楠么？

shengnan007

呃。。。是我啊。。。

shengnan007

PenPen 发表于 2012-9-18 12:40
您是和邓侃一起写文章的盛楠么？

是我啊。。。这都能被认出来。。。

PenPen

shengnan007 发表于 2012-9-18 12:44
是我啊。。。这都能被认出来。。。

* ^9 E+ ~. r* Y  [0 N3 i4 J这篇文章我读过。开始以为是转贴的，后来再一看id就发现真相了~

shengnan007

PenPen 发表于 2012-9-18 12:47
这篇文章我读过。开始以为是转贴的，后来再一看id就发现真相了~

0 ]0 P# Y$ }" n多谢支持。还有两篇一会帖过来。后续的还在写。边看源码边写，比较慢，hoho。这里是要推荐才能变成正式会员是么？

不爱吱声

shengnan007 发表于 2012-9-17 22:49
9 v. u# F4 `2 w, k7 e多谢支持。还有两篇一会帖过来。后续的还在写。边看源码边写，比较慢，hoho。这里是要推荐才能变成正式会 ...

欢迎，欢迎，已经给你变成正式会员了。

shengnan007

不爱吱声 发表于 2012-9-18 12:51
欢迎，欢迎，已经给你变成正式会员了。

多谢多谢啦~~

巴山

我们现在的 technology stack 就是 php + mongodb，涉及财务方面的东西用 postgres。

/ t( t& ^+ a/ Y# r+ y; ^

梦晓半生

谢谢。

中文看得真累，大部分还是英文术语。
6 J. y" S+ O8 R+ p# w6 e. ?
, \; Z0 O7 S3 g* f这应该是一个系列吧，后面怎样寻找，执行指令等开始入门，还是说的太简单了。
' a3 w/ C1 {+ a1 K* l. A
现在distributed DB在那些大网站很重要，现在开始有跟已有DB分庭抗礼的苗头，不过不是那里工作的话，其中的奥妙大概难说清楚。

shengnan007

巴山 发表于 2012-9-19 03:38
我们现在的 technology stack 就是 php + mongodb，涉及财务方面的东西用 postgres。

4 a  O  M0 ~- a9 D0 S. F- a. p ...

: L$ ?. i! q# c, W# E$ c( tmongoDB作为存储是没有问题的，财务这种核心数据，还是不建议使用mongoDB的

shengnan007

梦晓半生 发表于 2012-9-19 04:21
谢谢。

中文看得真累，大部分还是英文术语。

现在关于mongoDB的文章，大部分都是在告诉大家怎么用，涉及到内部运行机理的文章，数量不多，而且不成体系。这个系列文章的目的，是让大家了解mongoDB的基本的运行机理，这样以后使用的时候，可以知其所以然。但是由于这方面的资料很少，我也是到处找资料，写了这么几篇，再往后，就是边使用，边看源码，边写了。

profer

shengnan007 发表于 2012-9-18 12:44
: v6 a; ~8 }% e; X% F/ [是我啊。。。这都能被认出来。。。

是邓嫂么？

shengnan007

profer 发表于 2012-9-19 14:16
是邓嫂么？

是邓的小兵

恶魔吹笛来

有点惊讶 居然在这里看到这篇文章 呵呵 静待大作

梦晓半生

shengnan007 发表于 2012-9-19 08:44
现在关于mongoDB的文章，大部分都是在告诉大家怎么用，涉及到内部运行机理的文章，数量不多，而且不成体 ...

6 ^: b! ^2 u, n4 m+ N- v5 `' j太好了，期待中，希望都带上英文reference。
8 A  H( o# X' ], x: l
& H% D1 k/ `3 h, m8 X: o现在这种新技术很多，Mongo是比较流行的一个，我这里附带一下一堆NoSQL的新系统，到最后估计会有几个胜出。

http://en.wikipedia.org/wiki/NoSQL

shengnan007

梦晓半生 发表于 2012-9-20 00:57
太好了，期待中，希望都带上英文reference。

现在这种新技术很多，Mongo是比较流行的一个，我这里附带一 ...

) t. \4 Y9 b- y2 @0 Z5 @现在写的也很纠结，资料太少了，哈哈

梦晓半生

shengnan007 发表于 2012-9-20 08:53
现在写的也很纠结，资料太少了，哈哈

建议从NoSQL写起，这是推动新数据库设计的需求关系，原始动力。
5 y  C7 |" _9 C6 a9 v* p
http://en.wikipedia.org/wiki/NoSQL
% d+ T! s  a( ~+ ]

定风波

恶魔吹笛来 发表于 2012-9-19 18:35
: U( u0 L7 q: M, _有点惊讶 居然在这里看到这篇文章 呵呵 静待大作

: M: C- U. o) H+ G/ G0 I2 m  W. u有什么可惊讶的邓侃在前一个爱坛版本是很早的注册用户呢，从开心网一块迁移的。。。

shengnan007

梦晓半生 发表于 2012-9-21 11:52
建议从NoSQL写起，这是推动新数据库设计的需求关系，原始动力。

http://en.wikipedia.org/wiki/NoSQL

好的好的，现在这个写完，然后开始写nosql