|
|
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。6 g3 ~1 l' g; J! u
' o% H" T" @2 X# S 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？2 b* {. G2 ]" g$ {8 u
0 i1 H+ N. q* y6 v6 f. t& D8 T
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。
) I8 K, R% {( y( s( R- l0 ~' ^$ i2 C4 ]8 M
8 a' l" ^4 o5 f M4 W
% U1 r0 P) d3 T- ?图1-1 MongoDB架构图
3 h: Y4 W" W' U2 i# b
) y' O* A {1 k" V j& @ 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）。9 r6 b- _: j9 P" y
& Q. I- ?8 @) }4 h, r8 Y+ mShards9 m1 F1 p! l3 ?4 E/ J& l1 q
* c, B9 x- m* O
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。8 }" L( f" n7 {! q
( i: y1 I4 \/ [0 G. | N% D/ u8 h0 m
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）。
1 Z$ y F# X9 F# D, D( f7 z' P& c4 K( s1 ~2 x; i3 H
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。
! n, I# v6 O1 B. Q2 W7 V/ C4 h
; D: q' F# j; G+ j2 `: {, q0 G 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 U. V t) G+ ]! o0 I C4 C: T
9 m- ~" n; h# Y+ _" {9 BShard keys, {# A" {& D2 j4 z
. @/ e0 f/ p. X8 v
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。/ B7 H8 N4 O- ~5 ~
3 R, g8 u$ B3 f3 q! ^4 K
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，
% V6 `5 A/ D) I4 @( Y! V* Z: N6 r1 n
{5 ?. [ A- P5 s- {
"ISBN": "987-30-3652-5130-82",
0 a( U+ c) z# h* w- w "Type": "CD",
1 C" E8 m$ s5 H# M; S$ W "Author": "Nirvana",8 v2 n) g, q# F& k& L
"Title": "Nevermind",$ B5 E+ x+ @" c9 \; ^% T
"Genre": "Grunge",
1 r$ Z# {% f7 C: v" B "Releasedate": "1991.09.24",
" c0 S" d8 i+ R4 a1 t "Tracklist": [$ ?" J' ]1 J" [# |( k3 u! E7 x* j
{
! X% ~$ p H/ o5 e! F4 m5 s "Track" : "1",4 b4 I& W1 r! g0 D8 y& `6 s, y, |
"Title" : "Smells like teen spirit",, s) }+ S6 H( A; ]7 a
"Length" : "5:02"
# @/ ~7 A) r4 ]& f },
$ H/ t$ j6 s! E! t# K: b: R3 A {% q3 `3 h7 |( F3 ~& U( K" ^/ u
"Track" : "2",
: s( K Q& e- Z" g4 k) H& T4 H "Title" : "In Bloom",
' @" m) n+ r; C& ~: ^$ ~- N6 U0 Y "Length" : "4:15"
9 ?$ M) h9 ?9 z8 } }* s" o H3 V9 X9 K- _$ c: S8 [
]
, I4 m" r/ |8 I}
- k& ^1 q/ B( o: m R- a4 o
+ \5 \. v" T7 M- o, T2 u7 a/ s{+ \: o/ D+ F* _
"ISBN": "987-1-4302-3051-9",
6 `5 y, _. Q7 y& R9 R2 _ "Type": "Book",8 N j2 k+ K( W: m" }3 F6 e
"Title": "Definite Guide to MongoDB: The NoSQL Database",& |8 U4 E! m+ W% J* x
"Publisher": "Apress",4 c# I& m5 R5 l0 Y+ }
"Author": " Eelco Plugge", v+ o- k `7 b
"Releasedate": "2011.06.09"# R$ e4 M, u9 C% U% ^
}* O* A# \$ s" t, @- M, F" \. V
- r7 z) y' v9 {7 n# K9 q6 g1 z$ q; 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。
7 r( D T8 }) N0 C# ^) t
9 v! o! k8 T2 x+ e) |% t 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 Y, ]9 T- Q& d9 ^0 Y
. [# ?6 {" {2 X# e2 t; o- N4 a
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。
6 t$ c6 g; J# X. E& T$ t
% m: Y0 e; m5 X- O! Z+ ~3 B8 u 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。" b8 B4 @ G. M$ a
+ P, }2 F$ h' I! `# a
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”。
6 c2 W; o" q& \5 F1 K: ^" j" A, s& B' H' Q7 k
Chunks
: h& J; H! f5 ] 8 _3 F7 A q3 h& _" f. z
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。
# d; N8 k% ]/ }/ z" A( {5 X0 X, |. \, q7 N! G; n2 |
) _6 |( E1 _; B2 X图1-2 chunk的三元组
- g* Q. v& z; h) S5 b! k
2 Y0 u% N3 C5 z" ^8 u 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。
) D# T: g3 t' n) ?& _$ Z0 N$ q; ]4 o0 X. O6 ]2 { S
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。
; L2 ?8 z; T/ ~& Q4 B# U+ d n4 V* ]6 S! w/ q
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。
2 x; Y) q. x; H: Z; c+ M3 c
, p7 W( T& Y, @% S 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。8 m# M9 \8 a2 [4 n5 t/ X/ }
, _, @1 a x/ _: ~4 V
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。9 x3 ?1 j& p# o) Z
) O5 S# } N8 r3 k0 Z, U 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。
: I F( e( c+ U% n
% R9 f6 R* e1 \( }1 }3 w5 u! uReplica set
; {9 Q ]% Q0 Z" n' v8 n. w, S 6 C+ p+ z/ R$ }( l U7 S4 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。
& e L0 H6 Y1 {! J |, N/ @8 h @' p. l
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。
5 s: G7 E! w0 s1 O' ]
) t8 W( X* E1 r4 X4 e7 G 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。+ g* U9 f+ n4 i
: u6 o3 G, a' T0 O0 k, K2 W( [- D) 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。6 q! ~; W3 w% ^, z' U" K3 [
# N1 a4 |4 T8 wConfig Server
/ A% E5 G5 z3 G% a9 ?
, F( }7 d) a6 u+ @: w( q" J- V 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 Z; P. i6 K' A4 N+ S( A1 W) V. ?. C1 ?6 ~, M! z/ ?5 y
每一个config server都包括了MongoDB中所有chunk的信息。
; d J4 T# H: G( S( L/ Y/ N; B2 t" z/ W8 [$ @4 l) I4 U( d5 K
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。
& I' K4 o- c. d( g6 f% M! S/ [ W Q# a7 ~) r# t* `; T0 }
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。
, U4 E$ s$ a& n! ]
2 k. ^0 w1 T$ q6 u! U 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。. q* E7 E, \6 g* Y8 q
4 e* D+ p. V# e4 F
Mongos$ Y( ~, v% X* q
0 p ~+ Z1 ^5 b5 }, `1 _
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。' z) E6 @ n3 E0 d. `
6 h3 K* S; }' d( Y1 C( 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。
1 H8 p1 j) i) ^% z: ?; t; S( S
# f3 p0 f8 L+ V+ H! z 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。
+ r6 o# I7 ?( A+ \9 f8 f) z7 `, \# m; Q3 n5 W) i0 C( j& y7 _
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。4 H2 z' \% j9 I! J
9 k' B! ?, S: Y3 m* j
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。
L' t/ v2 x( |; O9 ^5 }' v9 J( o: D) u+ D
1 {! W1 Q! `7 o# Q, M& kReference，9 i8 S. t6 Y' p' { q* {+ o3 G
/ S: k1 g# Z% [" i[0] Architectural Overview
4 k Z/ x5 y6 ^http://www.mongodb.org/display/DOCS/Sharding+Introduction
7 f; [6 C" z4 K1 R0 o& _ |
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。
) T: z# Z. W( @6 R8 I) r, P8 b: \