|
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。
' x& n7 o- j3 \. s3 E0 z+ a+ h. K& `1 L: K
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?8 \7 ?0 {9 Q6 _+ c6 Z* s' i
, N) v) }% L( V/ z 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。
: T Q' [9 _& R4 T+ f+ [# e6 {1 U1 e, A* E$ c6 u! s8 z
, M I9 T: N F6 q( k( g$ X
7 {6 @* e3 z& D图1-1 MongoDB架构图 / `, M* V& y K& L8 N: e
+ ?/ o/ k$ y: u, D2 h% w 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 V. k) m5 S3 _5 H' K8 Z7 I
, U$ f6 e( H: A* J# p% ?8 o
Shards$ r; L0 ? |" H. V# r# q
! D5 |( x j1 A# E1 U8 q5 \ 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。
4 K' t1 ^' B2 E& o K# B' o7 e 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)。! H; v: P! [# r) Q
8 P1 ^7 Z+ X' u# x! k. 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。* G) y5 A6 E, w: Q2 [, ^
1 g1 Z) m0 y4 o2 b 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。0 d1 ^% M, q9 s: @0 n6 P/ A
" Z+ J& x R1 p8 |1 V3 q
Shard keys7 i Q3 N- F F5 O6 }5 q
' ]9 K m, U8 N: ]0 k 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。, i; {0 y8 e ?- _. v6 J
4 L6 l% H% ~+ q. e+ I" B$ \- ^ 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,5 c8 I2 U# k. _# Q" r5 s' `& e
6 ]1 n+ L; p0 G- m+ {2 {{
- G2 e" G. D* {- p "ISBN": "987-30-3652-5130-82",( B4 H" t: }) F1 o2 d; y
"Type": "CD",+ x( q0 c6 F1 ~& F
"Author": "Nirvana",
; `$ O4 g% W( u( Y) W" e$ B( `2 B "Title": "Nevermind",. z/ `: P! g+ r; Q+ S& q7 ], P9 T
"Genre": "Grunge",
$ @4 ?% d7 s4 q, S6 t2 Y9 P# D- ^ "Releasedate": "1991.09.24",
' G+ f$ p6 x9 x; F& A "Tracklist": [. n, O, C) w% q! k; H" [
{* q7 }9 X* L9 ?* S5 K
"Track" : "1",( E2 p. D7 | g! ]1 P i( W5 ]
"Title" : "Smells like teen spirit",
# m+ A$ c v9 m "Length" : "5:02"
6 g% B# H4 l7 d: ~4 l7 e+ ] },1 n2 b" b% H2 c" p4 }- }
{
* ^# K R* `7 M "Track" : "2",3 C& a' O+ g- ~0 ?/ d- R
"Title" : "In Bloom",+ r1 B& b. b" Z E0 t- d( g! `* ]
"Length" : "4:15"
5 k' j$ X5 R/ {: e+ w }
" a; z" K! z9 J8 Y( l1 { ], N0 ?2 u" N6 O1 V
}* o) H: H; r: k4 D) l
( K, n4 x+ O `6 [8 B2 z- J6 Q
{) L1 j% h9 Y8 F- y
"ISBN": "987-1-4302-3051-9",) w6 {1 h$ k" \- v" l5 K# T
"Type": "Book",
8 Y2 J5 H( v4 b3 U9 r, ^ "Title": "Definite Guide to MongoDB: The NoSQL Database", U$ k0 d& W/ d
"Publisher": "Apress",
+ r9 u* D' w: k/ q$ s( ? "Author": " Eelco Plugge",
2 J7 S8 n8 _+ M5 G3 @0 u "Releasedate": "2011.06.09"1 f$ ~1 e4 }% W e6 I; L9 y# e
}
- ?( O* b7 T4 c7 c$ G
- b- j1 E, l2 ?: z6 d: I: b 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。3 o' o8 K3 j: t8 ]
2 @; H6 s2 W5 j0 R5 s; { 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。7 _$ S, L1 R+ e8 z5 f* D" i
6 l0 }8 _* b# y9 J
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。
{& a5 V+ j( o% O$ R. `% Y9 {7 L
/ q% ^$ Y) |. d 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。6 r4 _6 Y) T, ? e8 C4 b
5 N$ ~% I2 P4 S4 O
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”。
% ^& X# W. ?4 n( }" V O5 S' _/ I s! ]& E
Chunks
6 P9 u; [& j% |- U + m. N& G& f' @ S% m: G2 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。
. I# ^7 [$ z1 J
% B, W- J0 P& ?8 [4 W
0 ~' z3 B4 G$ q0 H
图1-2 chunk的三元组 0 c/ l. N5 B9 D
" z6 _ t5 g$ v j
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。
4 C0 V. i8 p1 h2 K b/ }; T
6 m |# t4 a( n: Z1 e 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 I) Z- m( b5 v) O4 u/ l2 m& @
7 q6 D% h. U6 d
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。) e0 {. ~: H0 Z* i" f2 L% L
* A( a/ a; a; \# b% G, g; Y9 |
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。) L) K1 `. Z1 v" H1 c* E; Z7 C
1 a0 s# O3 Q6 a. F) ? 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。( i" q5 m, ?) g1 f' h d' ]% b
( I! t6 b8 L- ` x: @! N
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。
/ F* |3 G5 Y" T3 n h% ]
) U$ C" o: \: ]% ^Replica set8 Q, p2 X5 b6 d
3 M' ^2 k% C/ i3 ^% y1 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。0 s4 X" M D( r, b
# D& Z6 T* ~; m1 F5 B/ D# J
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。
# n! e/ h6 F: p# d! ?* y! [* F& B$ _/ o4 @5 ^
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。
) a! g( B) U, P$ P
; w/ ^# e- A( M7 r 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。3 p0 b) w( u# }+ ~% s: Y# E2 ]
2 n: j8 {1 W2 n* m
Config Server
9 q7 y9 ]1 z8 V. v) W8 ^) ] . L( C& p( D) B9 Z( m: f
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。
! \$ R7 N8 ?0 Z) L
) z v) O- U0 P) q; A8 ~- f8 X 每一个config server都包括了MongoDB中所有chunk的信息。
, a4 J! g: b; Q/ Z- g. c/ L" f" h2 B+ Z8 @8 B; G/ V, 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。8 g& E- `; f$ K# e
$ V: F; ?* W) Z5 e" a+ u: p
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。
( g# T9 `% v! @
8 L# p" ~, @* D2 v! O1 S 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。) I! o$ C0 x, P, T9 s \8 Y
9 p i+ H J( k7 m1 e
Mongos
5 q, F5 I* X* q, o, ]. G F( M, L
# I: N: b) a; x: r3 v8 b 用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。
. Y" W( ^2 \* ~7 g9 c; d3 _! {
% k: |2 r" b+ e' b! b1 J* O2 Z 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。2 T y( a2 M* a
9 t# `, R9 f% U- Q" ^) A
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。' f. l+ W, G+ D/ q5 C/ P
1 W3 X8 r( h: `* G5 Q- k5 r5 p+ I 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。& g+ g0 |7 w" ?4 u( W
2 X$ k' I8 U) w. 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。
5 H' w. _6 b# k9 ~$ V2 ~) u) ~# A, n) [2 _; F$ x* N" C
" N1 P0 A. u4 q! J1 J; w
Reference,
9 N' u* L) @$ _7 M4 j+ k8 m- c" s0 }4 P% G4 h( x
[0] Architectural Overview
% B9 c: N( ^8 w1 {2 fhttp://www.mongodb.org/display/DOCS/Sharding+Introduction
% P! A* H. U0 `3 g) n5 C- p |
评分
-
查看全部评分
|