|
|
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。
) r& c' U3 S6 a; y$ C7 V5 U6 c2 \! w! p, _1 L8 N! Y) r B2 a9 g
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？
' j" V# b4 [( v$ {7 \( c
' Z7 R& H& i$ V8 C# o 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。
& H7 D. g* ^8 Q& g
& Q% F7 w7 V3 ~/ e" _) r+ @2 ]7 R
4 H7 D0 W+ k0 T+ A& l2 v" V" a4 [7 t" Q. H
图1-1 MongoDB架构图 ) t- W1 R5 c. y
% L6 y) j/ V7 l2 U @ h
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）。
6 [. ] k, n- y# { E8 s" h* U# f B ? E
Shards
! _4 K' t, I! |9 R# N. [
) i! O. L: }! t' y 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。& D+ Z0 u B0 g, j P
% L" I e% h; B 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）。
" f! F& W# a+ V: b& e6 h1 p7 z5 S1 i4 Y Y* d C: Q3 L+ p" L* x
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。; r4 Q! z5 r) p" c. s
+ `) R% w/ l; n- P; v- D& F 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。
% s. k" l; g' L( }) \
% y; Z+ V" j" p: @% J) @! kShard keys
. v" @! ]) ]9 T0 [ 3 V% n' \7 f; n
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。9 [+ f, o& X; R$ I8 t8 z- c! y v
4 k; N; X: c4 |( 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，
8 \/ |% _$ f$ \3 M
- N3 O: y, v; |) H8 c; v' C! I5 v{+ a1 S% ~; Z% `3 W. \' S8 Y
"ISBN": "987-30-3652-5130-82",/ i2 f& i$ u: Q, _1 [0 K
"Type": "CD",
3 c1 P8 H1 K+ a. \ "Author": "Nirvana",# O- G# C, g: X1 n+ v8 o
"Title": "Nevermind",% T: B; K2 \! y: t) K# T
"Genre": "Grunge",0 C2 e9 d( S% o) \4 w; E
"Releasedate": "1991.09.24",
0 n! k' v7 R+ j' E$ N "Tracklist": [
+ v2 z, c. ?* y {& w# n/ B& N {; N: b5 U. s. x. \
"Track" : "1"," J* j* v: m5 |4 V2 t/ m8 M
"Title" : "Smells like teen spirit",
3 D- b/ f* N" j' U "Length" : "5:02"- R" v. g3 O1 R9 W( Q- n
},
/ o; x. \9 A- z {: g, B3 z0 z" B( V4 b3 \2 b+ w- r
"Track" : "2",
2 r3 M' M$ n0 D- E s% j) v+ n4 e, o "Title" : "In Bloom",
. v/ j3 l+ Y, I# }; s S: Y "Length" : "4:15": P. m- t9 C* w0 s8 H
}
1 O% [. t- Q# ] ]# }* @- m0 s/ P' j4 i1 \
}
# Y( A; R) Y+ ]( R3 g \0 y& w0 R5 t- R
{& T1 v! m5 g, y
"ISBN": "987-1-4302-3051-9",
% z( e" D( b" y6 ]) i "Type": "Book",1 v& i% R3 e( ^; a _: _4 B
"Title": "Definite Guide to MongoDB: The NoSQL Database",2 a! n2 ]* g. d, w5 Y: _
"Publisher": "Apress",. v: g& p2 A2 ]
"Author": " Eelco Plugge",
8 F( V0 x! o. J2 @* t "Releasedate": "2011.06.09"" a" x. E6 k$ P+ D
}4 A* ]: u8 S c) @) {6 ~4 F6 M/ A
/ y! A* J# ]: q1 D' x
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。# v& B, g9 _$ u) M/ i8 p4 I5 S4 \# N
/ k& J5 Z) V9 G 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。/ W g5 j$ a! @% v
# [2 {: i# a' l& } ~
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。
7 o: S: J* ~; t1 l( a5 n3 W; R" I9 ?5 P( g! G" ]
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。
/ w- }2 r: G* ~' a0 b% M* o1 L s, b6 r2 J0 E
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”。) \; \7 ^, h& b6 d6 j
* z/ M8 M7 L9 TChunks
! }; e& V" O& D. V1 V
0 F9 v2 Z+ x6 C- O" L' |, i+ j3 X 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。
. |! c5 l/ I: P( M
2 K1 c! _' _2 w |
, F0 D% U: C/ {+ {8 c图1-2 chunk的三元组
# f3 p" |) j9 o9 h) A7 s0 W" H
8 W+ u) I; f- u* w4 b 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。( _. x, t! ^9 |$ u5 M% q9 \ B. Y
- r2 \/ }/ Z/ C& \% \ 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。
7 I' z5 u, d8 b1 g- N6 x+ k. `; T0 t8 f: R! h: 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。0 F- F; f4 G' E7 \/ V
; c- Y4 ?1 ]( {% d5 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。
) l) C0 w! a0 L8 A7 G% U+ b6 k5 P& ~+ I$ [5 D5 r: I' t
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 [, z7 @) _3 U R- _7 A
3 ^8 K6 Q5 I( j! C1 J' t% F6 j: O# o- K
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。
0 t- z+ T; Q" J' k9 A% o& t3 R c2 D4 i, \) c5 O7 I0 U# z3 [+ m
Replica set
( d# W$ ?2 \ O% m
$ t n$ o+ r' ] 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。( a1 X {+ b) r T7 o; b3 i" D
6 i- x9 U+ l: E$ y& i% 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。+ v8 R) K# A7 i, [5 n$ J$ N
- P, d$ R# t# n$ H
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。
) q7 K! I0 R. t( v3 D& R9 g) X/ V% H/ `$ S$ t$ a3 p- f* k' T
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。
* D3 [+ B) e+ o" J1 a5 d' ~& U" {. q3 Y# E; S+ h4 q
Config Server0 A% m5 Z. ^5 f. g4 i1 ^/ w
4 S# k0 ^8 Z4 v( K
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。
- L3 k% G; y! v4 ]( ?
2 L" u- L- ~% f* R+ a 每一个config server都包括了MongoDB中所有chunk的信息。
1 w1 _- h0 E/ N, A1 E# e3 C% J2 v8 ]) @$ X% 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。
4 @3 Z- S1 t1 M; ^) }. d
, m! q9 Y% \* w- b X6 i 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。
2 F$ r: }' b* f4 w1 V! |9 U1 A+ y9 v7 X
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。/ e% w& _9 D/ n
' r7 B. L4 r# M z. b8 [Mongos6 X0 \6 p' d' U/ J- l
) h( x& T+ C5 r 用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
# j' S: C, |' r" `( E, y* b! D( b( g) p* K- S |7 J: Z x
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。
" r* Z5 N7 M# t; F3 B. a/ J8 L& 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。 Q1 s, ^0 K8 e; k
6 X `+ s( h# \$ H1 n
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。+ D6 i0 J/ g4 {6 q q+ q
3 d, }' |2 p/ \8 k! q, u0 \
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。
' o, T% e1 ?! k. i3 ^! s
3 }1 {2 E0 d' m q) |2 O" m4 t; W0 B* t
Reference，" L( q& ^* r7 x. z' R [" ^% ~& I/ }( }
0 K0 o! d8 ]+ y4 v: T8 {. h
[0] Architectural Overview
' S6 L" d' y* q$ {! V. {http://www.mongodb.org/display/DOCS/Sharding+Introduction
6 \ V# _% m+ Z0 @9 b* J7 u) z% W* M |
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。
# `) O; Z1 Y; e& X( L! g U4 ~