|
|
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。" F1 J; C- D& P5 U3 b
( o$ `+ F' q; J/ G8 v, T6 F3 ], b
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？; Z9 x& w( S7 j8 i& E7 Q: ]
/ ~9 e+ m; D4 @7 R" u0 m
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。
! x, _" S5 P8 y/ @9 ]" @0 |" ~" B3 U% a+ c( c
4 U* ^( P2 i8 f: m* A: |
; k. G$ P S0 o; q" w图1-1 MongoDB架构图 $ A2 V! I) a& @8 A( | p
+ `0 x3 X' O, _/ c, Z$ a% e
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）。
; c: \9 L! ~# j( T4 v4 e
+ N: g, Z7 @* b* ~& mShards6 j# c; \7 p* ^0 b( I) M
8 R# b# l/ b: }0 Y9 \5 ]( j 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。5 s6 I& T# D% R$ A1 q' J, ~7 Y
5 }8 L! ?/ q2 Q2 Y0 E6 }, V 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）。
4 {& R- a# |( V2 I% u! b
! }" k/ c7 u) L9 w 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。& m5 @, u- n3 k7 E: Z
8 y8 v2 m8 c' U' Z! T! H* W
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 m" W# v# G8 ^ ]: a( u" N9 X' Y
) \+ n% ?$ m/ x% E% h+ {# w/ @! X
Shard keys8 X0 v. z2 L+ B- [
, V, H1 o/ c Y! c6 d 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。
4 T% ]. \+ r# s5 t; o
" x/ e, g4 o0 m3 w 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，3 r2 B. o1 N. W4 W2 e4 ^$ H4 {
* _1 h6 {; d* ~) L$ f4 `{
" @" K. B i' m) ^% S+ a( p "ISBN": "987-30-3652-5130-82",) Y" n" U, A! ^+ \4 i
"Type": "CD",
8 j! n6 c3 S+ V; C; b "Author": "Nirvana",; ^+ D' D/ X5 w* r, A
"Title": "Nevermind",
8 R3 R% K ?# c, b7 v "Genre": "Grunge",
2 D+ W$ h0 N- S9 ~ "Releasedate": "1991.09.24",! J5 F& ~" Q9 _0 U5 v" ]
"Tracklist": [/ w$ T. G2 z+ E1 P2 E
{* N$ ~) s% G; y0 V% D
"Track" : "1",
! q+ Y' T+ C* h5 A- w "Title" : "Smells like teen spirit",
, r4 O% ]2 `* Z$ Y6 J2 A2 V "Length" : "5:02"
; V0 t# d s- {& m, U( R L },
, l* R$ W" t/ k3 z6 p) k9 [ {
8 X6 m: m3 N5 s "Track" : "2",
( |7 W" x* E9 i( C" G "Title" : "In Bloom",
@, W5 K% H7 e "Length" : "4:15"3 O/ ]# u [9 C/ ]7 C- A
}
: T( _ q" X7 |- ^2 `, D# h ]
. N0 Z6 G' [& w7 d3 D}
% t6 Q. S# a7 B5 p7 {9 _
* b$ F" E, n! T2 ^/ ?: |: _! P# L{
2 o% I* d1 k1 ^! H0 y, Q "ISBN": "987-1-4302-3051-9",0 e" Z) N: q& Y2 B
"Type": "Book",
. J4 F% E% o8 U4 }4 B "Title": "Definite Guide to MongoDB: The NoSQL Database",, G9 D9 Q" P; {7 T F
"Publisher": "Apress",* m# Z( \, z9 q( i1 U) A; A @. H2 l
"Author": " Eelco Plugge",
( w6 X* ]1 A5 L* n6 } "Releasedate": "2011.06.09"
E3 P/ @ {9 }% B" Q* K0 }, C}
* w6 |- m4 D. B$ x. i; D3 b
! m% O8 }1 s0 |; T6 Q8 J 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。% W/ `. t" e& k g
7 I9 A N3 C/ H
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。
' h. s% u4 Q7 S
5 b. }5 G0 N: N! o8 h 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 O- N8 p, w/ W: m' S4 z
8 ~0 K1 h" [! Q, G& G: {& 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。
x/ n9 S/ s1 F" m7 U, h/ _" }+ }* 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”。& B1 M' j+ ^, S( S* U5 n
2 W' I0 L) d; Y$ J* y- i: l
Chunks
% V, H& T7 r* S% n, X3 n# X( W w * m" f3 t8 R" E
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。! c' I2 Y+ o5 ], n0 d
8 f0 ^2 a5 O2 A" X5 b2 W
+ ?1 h7 b1 o) q8 C, O图1-2 chunk的三元组
# @/ A8 \4 Y8 H' ]" U) z1 k
! A, ^' e/ F n- k 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。! J7 b% e9 l) z, _
- E5 I/ n# f7 s* W- 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。5 F) W0 d$ V* l/ @' r9 \0 q. C
5 u, { {. Z- g1 o! C" ^2 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。' w# s/ X) V5 _4 m% M
5 }) v r8 i! Q( x
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。
! k8 m9 m2 ~# J$ i( s0 k# B' F" E0 D; n3 i
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。
1 L* w3 I/ W1 i! a# n2 k' l! L
4 L9 P1 J% S# _. a+ r6 x4 d 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。* p. M5 M$ ~8 V: c& \
- @1 q1 D7 N/ ]: [& }
Replica set
& Y! P0 w: K0 t: P3 C) A& b0 u' j
' J' s. d% B; s7 e; { 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 M8 I) f8 A
6 P" _5 K% r0 {0 L3 x; y 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。9 }1 \' {6 ~" j2 M' N* A' w5 Q' c
( m1 s1 ~3 ]+ U5 t 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。- U, j1 u: [1 S' k+ b2 Q
! d$ `8 i2 R; o5 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。* `" W, t) ?* m( a5 O m2 j
: u, D4 q% K$ N$ R
Config Server) X& W. J! ^6 G
, L$ {8 N+ ^: |; P5 Y0 @ 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。- A2 |; F9 y* o8 T$ V. V
- u$ t X& j" ^3 D. ^% f
每一个config server都包括了MongoDB中所有chunk的信息。, d: o$ x1 z, ^& k9 L" S' A6 O' v
9 h# }1 |' U: G/ G- M
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 u7 x! h/ |+ Q9 B/ ~
, x5 x) {! M0 R' _4 T- H5 | G2 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。4 F3 a T$ L m @+ Z
& c6 T) O( h. R 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。$ p& f$ u3 D( A- U. e
8 @; i6 s) X8 P) f6 s1 Y3 KMongos9 S$ H1 h5 r$ i+ h# T
8 H4 C2 E$ D9 f, @- [2 v5 i5 w0 Y 用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
- n6 o' o* p* O* N9 }" {6 v5 k9 |+ p
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。$ Y9 z; K9 i( M
6 Z' J+ ?& Q( h, s- w- i2 q 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。! g; U& N8 z& k/ e/ }; z
+ C( r. M# s1 l% r6 \: I. 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。
$ p4 P4 r, T, L9 f \: B! A; p! \- H% t
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。
1 v7 H1 j) H( t( w( O7 }( G; i: W' q7 {. J
! Y6 `6 d) Y. C& U) jReference，- I+ L9 a) M+ ~5 p# {
( m9 N) ]! Y' ?5 t
[0] Architectural Overview7 u6 b1 J- i/ M" N7 \6 u
http://www.mongodb.org/display/DOCS/Sharding+Introduction
^5 M/ m. f9 a2 I: b4 F, J |
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。
4 p8 g! |" d i" ]& T& q/ P) m& j* `7 O