|
|
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。% _. Q+ C; `5 B0 u9 g& v2 f& I
# v; j0 y& S' ]; j- L
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？( T! [( F( H% X- N. _
9 P. _. _% A% ~% z" H! B! E( V# d0 ~ 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。
& }: Y* v) b' X5 q. k( ^
# V* S8 l; f. r- e& _ N$ X
+ ~+ ~# _9 T/ o$ [
5 D5 ]$ w* N6 z& j8 t. f7 H4 ~
图1-1 MongoDB架构图 " R9 _4 R1 U4 H9 p- T6 g* F
. I9 s- E2 b( [. c2 ~$ z+ w! I 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）。! i7 u9 v) i9 f- S, B" e+ o
0 W; }( L K! Z" _. O# y$ e
Shards0 W: g1 A$ O4 c% h1 n5 v, I6 E8 e
9 e. L, v( F, k" i 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。
- B# @6 D; B L; L) n* M3 j8 Y( X& \5 G ?
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）。8 f2 n4 ?8 @& k( x4 z/ r
: z: Z, ~1 Z( E 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 \9 X( y# D; S+ q# x8 n/ \- _; {( F0 E1 L& e
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。
" W4 @6 s( y3 H% A' U! j# `7 o4 w: b
Shard keys
5 I2 X3 l1 O% j* @ * ~# J; \+ c4 B( z: C2 ]
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 j4 R6 L7 V0 g
" Q! Q* T% Y: b0 X 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，
& q$ D* p: A5 \" s% X( I3 L9 V
4 L3 q Z- O2 v6 T0 u{
0 A T3 M- H- F1 J, S "ISBN": "987-30-3652-5130-82",
# Q, r$ t6 ^& k" R% r "Type": "CD",3 K' @$ y5 J/ W# B" }
"Author": "Nirvana",* L/ t9 Y. K! K# M( b- O! y( D
"Title": "Nevermind",& ?4 j) g E" q% c! L
"Genre": "Grunge",
% D) Q& J# O+ k& c- a$ ^: F "Releasedate": "1991.09.24",& ~/ C- N4 u4 G: C- J ]0 n
"Tracklist": [
* ^" X! {0 ?1 K* ~' k: U {6 r) H9 G4 U+ i. K$ G
"Track" : "1",, @' P3 T2 O& c
"Title" : "Smells like teen spirit",
% a6 Z8 X6 N: U. q1 j5 d, |! F "Length" : "5:02"
8 p& u# e2 ?( J, e& U _ M },
) L1 a% |- S9 n: F. z {
( I8 r( E6 G! h! N* H& r "Track" : "2",
5 F% f+ K; p& M0 t3 |1 K "Title" : "In Bloom",8 t7 u; s T( `
"Length" : "4:15"6 D1 W8 \3 Y! I" p [8 ]& g% Y
}
6 ?( `6 }" G8 A ]* Z% [9 i# x$ w' g
}
9 t, |; P/ V* M( d/ y R
- \) {: z" `3 P{6 d, P3 R; \& k/ ~2 e0 e
"ISBN": "987-1-4302-3051-9",
; Y4 U% t) B. G G "Type": "Book",
% d2 O! x! Q& B$ `2 G* h# |6 h "Title": "Definite Guide to MongoDB: The NoSQL Database",7 i7 B' i. Q; X' q
"Publisher": "Apress",
5 _# d9 A) I7 ^9 {. Z' @ "Author": " Eelco Plugge",
, h9 b( s! L% ^* ?2 T6 H1 p+ t9 O "Releasedate": "2011.06.09"" n7 {: |; J r& B0 I6 W
}
6 F8 z$ C4 f0 \ f* s7 t O
* B# n4 C" H. k7 R; J 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。
X( H4 J( t& E. e6 P; a
7 ?4 D& L: r5 g) S8 B, k 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 D' p% v6 T6 k
1 w# w! e- O. r8 ~2 ? 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。. Z( |' l. g# ?; D6 Q
7 Z# ?$ p& ~) c/ a
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。* S; o' t% k' K/ h5 N
* p( I! w) ?( m" k7 Y5 G
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”。
1 e! ^5 j0 p7 k3 H4 U' C% @0 {; G) t3 ] q0 X2 U' T$ ^+ W
Chunks0 ~6 ?5 {3 O2 D A; _6 ^
0 I9 Y6 R( {8 {, ?: G 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。5 @8 v0 M: l, y4 ?
) e& s T8 W3 f
5 B) [& j* |; @' z0 B图1-2 chunk的三元组
+ o4 x' e" v# a7 \0 r: \6 v! [2 I* y+ D
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。+ o6 O2 P; x" x3 d% h
8 y$ d' X2 [: l- j
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。
. `1 A4 m2 f$ e0 m' H/ x; D
0 }* Y9 F7 L, s+ r' H 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。7 N: [. }; [8 r0 A! H4 Z
- |# |! _, {) T0 M 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。
+ @0 Q9 g, C6 U N8 y! E% s3 A- e
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。3 ?) _! a) w% T$ E/ r3 W
9 ~0 t! \! X. ~% Y e' X2 G
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。# J4 y( H" J1 g6 n1 L r
& O9 t8 h) z" x5 ^
Replica set& } I" a4 S: Q( k, T( H; @0 b5 i" I
: E) e" x- T6 A6 S
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。
" J( g1 X2 G! D2 b! W9 Z# c8 }( G# Q) J `. c" T
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。( N0 T" I" b( o
- ]5 f: Q5 F- Z 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。
! |) X3 L6 P0 J8 j5 G& ~
& W. d) W( L; D% V5 J 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。
$ [# y# c! g( h& J' A# H4 @* R5 b4 O f0 J$ {$ n, \) ~! D
Config Server
0 U) ] [7 P" r T7 v . o _; |; i* q7 z! e4 i: m
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。. ~: j$ C! @" T) Q$ l! R& S
9 Q: J* k* m C3 A& c0 [- S' h
每一个config server都包括了MongoDB中所有chunk的信息。
+ M5 |: ~& A" @
1 U; ?8 t9 F$ p& m/ ^) o r 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。
& s8 ]4 } @; ]% z; i4 K3 G( |& X: R( _5 B
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。
9 ~, {3 `: h7 T% {9 d) G# p3 ]8 n$ ~) K7 o$ G, [3 n
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。
?6 j" b5 `/ `/ M+ N
D8 k% U+ X. V0 jMongos
- `7 q/ o- O9 g. |8 c8 ]9 g" s9 W5 }% J: \. [* v2 g
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。* t2 X* |4 }% }
" Q9 a# ~5 L" v6 ^6 \; e( h$ ?; R 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。& x' I7 N) @6 f& N
6 x2 Y6 ?! O8 b% h+ U0 S1 c
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。- u, T; l. M& g
& x/ `2 S1 s" [% v# _
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。
/ W* N3 \0 C. w5 q) v- f: }
% `* m3 A; `. O, @: C0 f3 H( B8 C& P q4 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。
8 Z' Y6 h3 b0 T) x1 O# p+ J
+ V6 I% H: q& E9 }
. q: z9 T" f7 I1 L/ ]" u. ZReference，
2 c8 g2 F6 f* e7 n% m' v* e( o7 F/ i4 D5 E7 ~3 g5 q8 ~
[0] Architectural Overview3 p- `: P y+ a( @4 ]+ E3 j2 X
http://www.mongodb.org/display/DOCS/Sharding+Introduction
: X7 `/ }' p; l1 p: y- E- D: |( G |
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。
8 c2 J" {) I7 w8 @+ B; z