|
|
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。) H. \$ c; M8 g$ E7 z
6 M e: g- m7 d
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？
7 K4 M; F( t& v+ a8 q2 p* R g7 U
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。
; i) M0 o; `! E* W$ G9 L- L* c( `1 R
7 ^6 D, K7 ^) _# \+ O! ?9 M
& l' U5 T, ^$ j3 e, @. r
图1-1 MongoDB架构图
2 P% D/ X9 `) y ]) g* H0 H* V& c
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）。; @& B! o: X4 S+ h
4 ]$ \! L+ r& l% s$ X
Shards
/ A; D4 L, `+ W( E) \+ V% ~& L$ O$ T! d
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。$ C5 ]+ j/ r p, M# a3 S
! U6 P0 _, Z* X) q2 U 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）。
9 B$ g2 h# V6 M5 c# z/ p$ B2 R8 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。& N/ z2 U0 l4 o$ b {5 d
% U5 T+ B: k, |" o
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。
3 }8 n" j n- r# U/ v! l" U0 L; D$ G" Y
Shard keys0 T) b8 O" v8 P" I
+ e/ W7 D1 J0 q) j4 i6 J
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。1 W* G* v# z$ I$ o f6 y1 t/ X, S& ^
: u) ]5 a0 y6 M& t 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，' ]& N+ a1 Q' \8 i3 ?
; m4 k& q$ b: o; Y5 B$ j
{% X9 ?8 G" X( t( i6 n3 S5 M
"ISBN": "987-30-3652-5130-82",. r* ?# I2 Q: n9 Q+ D' \6 Y
"Type": "CD",5 U* D0 @- r4 K2 h3 P7 v) l0 h0 L' n6 [
"Author": "Nirvana",! Z- J t5 z& _7 Q) m7 s" x
"Title": "Nevermind",
0 u. v4 t ^8 A; g4 q "Genre": "Grunge",
: C5 K% o3 @6 H7 w6 h "Releasedate": "1991.09.24",
2 A. B1 m1 B" Z# m1 v4 H1 g+ Y5 B "Tracklist": [ O, ^& n# ~/ m: M
{7 o$ ] B! X8 @" }+ y- N
"Track" : "1",% k+ [! }7 {: X8 K; F, w; D
"Title" : "Smells like teen spirit",
8 f, T5 Q! H% e, _ "Length" : "5:02". J9 b" L7 }0 c& X5 w7 N* K$ @
},) Q" V3 j+ `6 J
{2 r$ N; e. `- W$ d" e8 J
"Track" : "2",
+ _3 s o* u+ t. H: J. V K* T9 R* y "Title" : "In Bloom",) ` `8 [% n! J4 }7 Y: B1 G
"Length" : "4:15"
% b2 O: O& U" r, N! f" p, Y8 M }
8 P8 M4 f" q0 y S/ [7 V' ? ]4 p4 Y: T. e- S1 ^
}3 [. \: j2 J+ i( f& y! ?+ h
3 p {) d0 ^( t9 d# l{
8 Q! a- m( F2 n( L" r "ISBN": "987-1-4302-3051-9",
0 |4 }7 w- G; s; B, a) V "Type": "Book",, B: ^4 i j" o. e j! i3 E7 }
"Title": "Definite Guide to MongoDB: The NoSQL Database",% d8 t3 R1 c7 c5 P3 p$ P
"Publisher": "Apress",
5 F/ A( c* R. Q$ g; h9 a9 N "Author": " Eelco Plugge",
1 B( d1 ]+ `! p$ S' S "Releasedate": "2011.06.09"5 b* i& @1 R" R, |7 f+ q3 m
}7 B0 M1 O1 o6 y) R' o
$ M# ]+ A5 I- E8 N* o) b6 q, R! w 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。
# M% `. W. a+ v
; S% J* L' O1 J+ s. C/ _ 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。
$ k6 `' ^+ P. r( I. n/ z$ d2 ?# R- D
& E( F- }( Y0 P1 R 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。5 y; U/ c a t% }7 e A
$ G6 T2 g& U+ g2 q* }' e 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。/ j, p" }( h$ t$ D: |4 d5 d
+ ]; p: c0 U/ x ` g+ 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”。
U, ~) y) L/ x0 n7 n9 }" a4 v& [ @7 V l8 f; q9 y2 T/ e( D5 w
Chunks- M4 y% k- g# e# { X4 H! e
) u) g2 p6 p) H
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。1 E( G) B3 \& t2 s1 K6 r
# R3 ~/ Y9 Y8 k
/ Y3 a: p- z, }+ v# J }' D, w8 Y
图1-2 chunk的三元组
. C) w; F! f) _7 p
# [3 w7 E7 ~7 H7 N 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。# E/ x ?9 L. x7 [9 R9 T2 T2 T
! _8 B6 {! e4 s$ {- n4 O$ ]2 e* l* n% V
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。; H' F: B6 [( W" ~( J: z1 Q+ N* @
) z' Q! d! m, n- W
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。( ~8 l6 J2 y9 b/ @
1 s9 s. z0 s; T3 H
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。# _! p, y3 y& c; ^- y
& P% e2 I2 H5 R7 ~$ ~) S 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。
; u, U5 h: c9 Y7 W; q0 b7 x5 g, v4 ]4 A( H
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。
$ t7 U3 ? b, Q; b" F/ ^
7 r: l: y2 k' N, P& t7 ]4 VReplica set
9 M9 E' Q6 g3 Z
& l2 I" @4 ^, M' }6 M0 f 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。
( i6 d6 ~& b5 C3 k+ X/ }$ F% }$ S" P% J4 V }1 ^2 n
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 y$ R# ]' O, B- L# o0 y& g. m
' L2 X" h% x: q# u' l/ `
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。& v: t1 M% s6 P5 `% P/ `9 e
a; G1 ` ?; k. } { 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。
& \. M: O1 @4 {+ a, ~2 D e) ]7 x( m! B O
Config Server+ b6 V$ b0 |2 _) R* N0 U; D5 c, m
4 X, F/ T& K) Z1 p
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。5 r: X5 o4 m0 x) s) }, v: [# W
; B5 T4 e, ?# |/ q3 u3 J' j/ s" @8 {
每一个config server都包括了MongoDB中所有chunk的信息。3 n+ ?" c t2 l* b
' N/ T, H2 w: g8 Q- j$ @
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。; ^/ K* c/ ^4 h% R7 b9 o
4 f$ l$ M7 k6 A# `6 G: D
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。
1 U" Z9 ?# a' [$ H' g% d t
+ d% S ?' c0 l, j 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。
/ K# j1 W3 u' ^6 f f d7 M, u h- `; C, |0 g h( ~
Mongos
6 g: x& W, m. n! \- a: R0 s% H
( q% r% V. {1 }6 w8 w: \* ]+ |: ]& O. v 用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
9 Q7 g4 R% `2 ~) Y @' \
: P! @3 R5 O+ S$ ^1 F 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。. \3 l# t$ N+ z @! f
8 [" s" `$ s+ R, [. f 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。
9 I J5 v( w* V# N. V; w3 O/ J$ r/ ^) r
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。
3 F! r* M. F" ?- A- y5 w# l; N3 w# V2 p/ W
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。
* E; t" P s. W4 ]5 K) Q( T! i) _' _& p. v& K. j4 Z2 Y7 B
3 J9 Z) c# T2 |% b# e$ NReference，
& ]& C% K# m* ?, `3 ?- \8 A, W* _3 |8 s' n
[0] Architectural Overview5 e0 d2 H, ?7 u4 w7 n! |3 \; S
http://www.mongodb.org/display/DOCS/Sharding+Introduction
$ {* O, c( q9 ^1 P2 h! f |
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。
9 |! z5 w7 k& X: ], v, h) D3 N