|
|
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。" N4 H0 q" d7 E& A c; x
. i1 ?' z& B; N/ U" D4 F8 h7 Q4 {( { 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?( ?" s! u1 X+ P- x% f8 o
: @) N. e, [( i( 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。" l {3 m' W& c: E- P
; l& |9 k/ B% z9 a3 P/ q; [% [- k, K
7 ? @% v6 G7 [/ j7 j
) ~, \; a1 L5 H( H `图1-1 MongoDB架构图 ! g0 u- ], D4 J, L2 K
d# o8 t+ f3 |. N8 ^9 V; P
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)。
5 F, C1 \) a! f l, F. k) T( K
- w3 a* D0 ?4 p) ~# o6 F( jShards
( w [. s9 G3 D9 c6 _. |
2 W2 O( t& A# n; B8 N 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。! E/ t5 x: @+ P$ `5 Z B
5 M& H: a: u! D" b J. ?8 Z 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)。+ t/ a$ j- [. t4 \
/ ?* K4 j& m* O( L
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。2 Z4 R* N+ t U3 s! ~
" D$ g4 z9 f& @+ m% z
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。
. P/ e5 q9 W7 u4 m4 {# V O% z3 I& D& Y
Shard keys, ]; t* e2 d8 y
7 e$ ?, w% X0 K/ n+ ]1 f 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。
+ s3 I* I* C( L+ q; ?& T8 m+ w: f; i5 A- u+ e$ L$ x5 [
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,
$ F; N& G6 l' n0 P2 X l8 G( Q& J
# a1 D" l$ P9 B# B+ f- U6 @) a{
9 Z! L5 T" P* @$ v8 w8 H( V "ISBN": "987-30-3652-5130-82",
$ k" U! ]" p; \; P "Type": "CD",
, D4 ]6 m8 m( @0 o( E# F$ o& Y' ~ "Author": "Nirvana",
" F# ~1 U$ Z. T4 c' b5 w5 ~. @( d "Title": "Nevermind",
; b; K( a. N7 s "Genre": "Grunge",
5 \! i/ t ?! X7 ]8 R "Releasedate": "1991.09.24",
- Y# Z6 \1 L+ d h! ~: |* V "Tracklist": [6 ?, [5 Q) @( p7 _4 U0 U7 _
{* j6 m# Q+ T0 C- F. K3 r
"Track" : "1",
2 B' o. a# u l/ z0 t) _: [ "Title" : "Smells like teen spirit",
0 x+ ?7 F6 V/ G) w. A "Length" : "5:02"
$ ?! c; j4 z, V },
; J0 |' i, n7 g; ]" w5 a {
$ A& W/ J% R9 e# e# Z0 t "Track" : "2",) R2 e8 ?, k2 H" W: J( ?/ K& x
"Title" : "In Bloom",
7 M2 j. [$ t$ Z$ v. n* ^ T- H "Length" : "4:15"2 m2 ]$ U! v$ \8 v6 o) Y4 |3 z
}
3 p6 R: i- V2 H. @5 w! R& h( t ]
3 I8 Q3 c. e- F}1 u. q) x& h0 O7 ^1 T
' W j! G& Q! b6 p1 Z
{+ d2 P7 F7 @+ O! l# a9 g0 C
"ISBN": "987-1-4302-3051-9",
' a- g: N- ^0 h/ Z& A+ _$ k: s "Type": "Book",
. @+ {/ D7 I: C "Title": "Definite Guide to MongoDB: The NoSQL Database",
* \ E" j! w# H" e. a% i2 y2 r "Publisher": "Apress",; _/ }$ l# d( {8 k+ C8 T# E" N
"Author": " Eelco Plugge",
/ Z2 R! J8 z+ Z1 p5 ~ "Releasedate": "2011.06.09"# S) U9 O5 i, ^( I! S9 H
}! q! {& [$ H4 i( q' @# f. j% L
: {/ s ~9 O5 S" c% K( } 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。; P. q! o$ Z* k; @
3 F& ^7 G- X/ E2 p+ I0 N( A3 x 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。
* V$ F* Q* {) b$ g d
* L# [2 f# F& G% }! d$ s, O 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。
3 s: X4 Q2 N3 G* G. @& ]
, m5 F: N/ ^0 s9 z 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。
$ S6 `7 Y& D/ J) q/ b
: K/ `5 z: p$ \( J, ~5 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”。
, J, W/ x$ V0 J( O3 l* ]7 X
( u, w+ T$ O6 t4 m0 l2 ?6 N& N! CChunks8 | {$ v m: f% D1 _, \' u
2 r9 f, f6 h5 A* v. O3 V. u. [! 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。; B0 v" ^. i' w1 n
- P6 }2 p' ^- f
$ y2 r |% x8 u2 ]1 w* W2 K
图1-2 chunk的三元组
) T) ]# v+ l% M9 i# s& r
/ O2 U" a% u; b+ e F* | 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。
1 v: x7 C; K3 x' c) \" z8 l: y N( L" |% }! p
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。4 z8 p% u/ D9 S# f! T) o% q
2 ~! w5 Q& J0 }; E# J( e 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。) Z/ s6 ~. _. q0 F
6 w# M g- g, S% G2 a3 O 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。2 M( B, Q4 O! [0 N" A
. [& h: B1 g+ n3 w1 ^ k5 v) q 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。, y8 V, s5 Y5 E% f2 W" T
p3 n. l( s3 |% @; W; 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。
' G% ?6 M* F2 d. h! g' R2 H) l( k3 b& {, c5 b# q/ e9 \# Z
Replica set( p& K( P- R" s# d
: u6 I2 @& W. G# A$ v6 n, _ 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 ]) o; {/ R# ]. h
7 \9 I. [6 B" l4 o& j6 i% \# h0 S
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。
4 I& B" j/ ~" V8 a7 K4 \4 b( N& h4 u( w: |6 F2 L: {1 l3 T) P
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 ]% U, K& r K* V* v! {4 |; ]
0 M3 B+ H/ W- @( d) { @: m- 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。( |* r3 l0 I! h8 }" j, ?3 ]
* n' ^2 P3 ]% Z& ^Config Server
$ t" D) l8 @7 r# {/ [- J) ?. b& _' V & a4 n% t2 F; ?0 `' f$ p5 Q
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。
; e, X- N2 u* L% i: M1 L4 o7 n/ a8 C
每一个config server都包括了MongoDB中所有chunk的信息。
+ f K$ B5 V; t* ?
& K# I0 G" D5 M4 I9 y 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。
8 `' f- h! U" A0 s5 x- f0 h( ^1 g. m ^4 U+ T6 h- \
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。0 F" n) H" e( W" v) U
; s# Z# @1 ~8 r8 v) }1 G6 X 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。
, S2 T, e2 |8 W O5 z4 p0 I
+ K; y$ P. X9 V2 b9 BMongos
$ \( M! z" D0 l# O' Q) \6 }8 E/ u b$ @' l8 n; Q" ]0 S( v
用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。* ~1 C9 ]$ w; k' i: t- E$ f; l
, c2 I! o$ f/ {4 C2 Z& s
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。
0 F5 O+ y# e$ O; t
+ Z5 q- e4 \$ W% p6 s$ z+ m+ `! C; b; u 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。$ D% M& a# D( X: u' c
9 O" l+ ?7 G- X, M5 e4 F
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。
S0 R$ O O% N, L) h( ~3 U6 ~2 s* P5 m
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。4 ~: u; L( z" f @( m! W
e1 _% r; }8 i% s& {
& w5 Y' B4 |4 v; F' oReference,/ ^( c4 N! c: q/ B
' L; S7 s9 m9 a. C2 R/ _1 s2 c7 Z
[0] Architectural Overview
/ H! t9 y$ [/ x5 O$ ?& Lhttp://www.mongodb.org/display/DOCS/Sharding+Introduction
* ]* ]7 Q9 |: @8 K' V3 F2 h |
评分
-
查看全部评分
|