|  | 
 
| 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。 9 h% e. m8 }, O& k6 y
 d6 V$ ~4 q! Z) \- x: k* 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?
 % @% G/ M+ e$ F0 a) ]
 " W8 F, ?( z& ^6 j7 r. f    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。3 T' K4 K9 x2 n4 a: C8 R
 z- x/ X) W1 V- @
 
 
 2 D3 h0 `3 ~$ l
. z' d7 l+ @6 B  e* U! D" n 图1-1 MongoDB架构图 : X% j9 |4 j3 P* V5 e
 6 y2 ^0 y% A5 x. M  J5 q7 Z' D7 x5 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)。
 % A" ^1 k- {! s, v  j' k3 L; V9 Q4 S$ i2 x
 Shards
 3 x2 u* j6 [6 o9 c# C5 l. A' u8 p; ^) j
 - r1 u$ u7 [, o& }7 ]    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。
 7 O8 [* G5 E8 x; S
 / @# r: P; k1 E    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)。  Q: b- C" s- c: p  {
 
 : X3 x9 e+ o* |, 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。
 + F* R$ p; {0 Y9 H% e3 D1 H/ Y2 ~  ], @1 C; t% I. d& T
 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。2 V; p6 k# {% ^' k5 N
 
 + m, w  [8 V8 C" b4 S5 cShard keys/ l- B$ L% {7 }, _2 B: m
 3 u0 A. O: h! n2 {- i, u
 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。) B2 Q. P2 v/ X$ A- j' [
 
 - ~) j8 ]" c0 E    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,
 ! `' Q& d$ m  o
 7 f; D' K4 A1 A7 u, O/ ?# a4 Q  C{
 3 _0 H3 f6 ]) U% T( o0 B  "ISBN": "987-30-3652-5130-82",' F, ^# {  d7 j" b( B
 "Type": "CD",
 ! h5 l" e/ E! ^  "Author": "Nirvana",
 . m4 |  Q( o. O! x* d3 _  "Title": "Nevermind",
 . v& U7 f( s, h9 d! R* x1 W  "Genre": "Grunge",! ?: X; v3 Y: j* D: ]# Q) ~! n
 "Releasedate": "1991.09.24",, H7 ~; t: b+ c$ O& Z1 l5 q
 "Tracklist": [; S" I+ G. }9 j/ \0 J6 \
 {# x" \7 w6 u1 \  }0 N2 y7 L
 "Track" : "1",$ _* B$ R' F3 o; L) ~8 h
 "Title" : "Smells like teen spirit",
 - p% n# ]+ _1 g) b# N4 Q: c, N        "Length" : "5:02"
 6 _* H2 U* ]( `( _1 i6 v; }     },
 " g7 C7 i) c: D9 q     {" I/ Q# G" E$ T( H& }: A$ n7 n
 "Track" : "2"," F8 L0 V. g7 Y8 R
 "Title" : "In Bloom",  i( F( E; y: w5 r# q
 "Length" : "4:15"; N) ?8 k* r' L5 G- D- t9 Z# d6 ~) B
 }
 4 J# d5 E7 M, |   ]
 7 ?& D1 g' {1 U7 S; ^0 i% @) w}
 5 \1 B. ^2 e, x% }; ^
 : h& q/ J/ k8 n* m- B5 _{8 u* J8 E' l$ N0 g4 N
 "ISBN": "987-1-4302-3051-9",4 w$ w3 ]' u$ B+ m/ K
 "Type": "Book"," P1 @! J/ d) E5 S8 }
 "Title": "Definite Guide to MongoDB: The NoSQL Database",
 3 |2 r# h6 X: `7 T. {" f3 y5 |  "Publisher": "Apress",
 6 I+ B( a! M  t! E: R  "Author": " Eelco Plugge",- e: j% g/ V  O) Q
 "Releasedate": "2011.06.09"
 6 B  W! _; S9 l5 t, S1 }- O}
 $ Y/ d2 w2 G+ H. d9 g" E* w) {9 r. M& ~) R: q; Q
 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 N, B" i2 N% d& U; U
 3 o( J8 w0 Y5 |  _6 f
 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。" S7 k% b7 ^1 Z- Y" V6 y
 / c8 |7 a  K# n% 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。
 1 Y1 Y. Q: k/ m0 d+ e7 ?6 X
 . _* q8 V* {! E5 W: p5 ^    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。
 ! S+ y+ [5 a5 q, t8 Q: l4 t/ s, E6 S0 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”。3 G! t7 y* [" s5 Y+ S. j
 
 - e4 ?$ a  X7 l* PChunks' m2 x5 N$ o9 D! p& }# @
 
 7 d" V  e( T2 T6 P    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。7 m6 G7 W% }. t  L5 E
 
 ' ]0 j: k4 a5 ]
 
 6 ^3 I; g0 }3 i9 Y7 ?8 @ 图1-2 chunk的三元组 1 s* E) S" C; Y0 G5 m4 b% i$ t
 0 {1 v' q6 A# F    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。; Q8 }- ^+ C5 o3 w6 C" `  f
 
 + E1 [3 t5 R3 i6 N& `( F' g    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。
 ( a" A, ?' L* q' w; h6 k3 |$ @1 S( A
 3 ]4 O- R9 E3 B' u9 F( o    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。' U8 w2 K7 h3 t8 J2 m3 o
 - t' F2 S, y: `+ ?
 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。
 ! A7 N. y. L7 v" Q! c& V( q2 u/ n% R1 K; _
 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。
 7 a. n/ H6 E: g* ^- H, u/ P
 7 y! n9 \  r5 ]    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。2 a4 q' q& Y! f# L
 
 4 x- I# e- n8 l& Q1 P1 _Replica set9 O! C' \/ a5 l, V+ L7 |& C8 a8 z5 i4 U
 
 4 K$ l/ z1 G  E* S    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。' [1 O7 v/ H/ Y0 [
 + u' Y; S" j( s+ b9 U: s2 B7 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。
 2 G( d- d2 }1 t# C9 ]9 ~: N' S$ S/ d, ?" N
 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。
 8 r. G9 g, x- b* I* ^
 r, y7 t3 P( u& S: {! l    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。8 R( E3 W  K$ e2 T
 
 & I# Z* L2 a7 |7 FConfig Server* [% y) @/ r3 J( `0 {
 
 " H2 o2 a( \2 T4 f7 N9 Z    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。
 2 H# Z# _/ v3 m' Z
 ' ?" {1 X  p# \1 |- t+ G- r    每一个config server都包括了MongoDB中所有chunk的信息。: d# r+ g: p$ D* r7 X# |
 7 ?% `0 ]" F  j' @1 i
 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。
 + T7 M, Z6 ]1 e8 [% k# L3 T5 w' R2 o
 5 J- d* m7 `0 P. J2 H, n/ V; 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。
 6 B# t% p9 H5 f! |$ `7 g! _( X' P  I. ?, z" }6 T( X. M; X+ 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。  R3 _$ U) _8 l8 b
 
 5 F+ i: g& ?% d, i  g4 A8 DMongos# b! @7 D4 V6 L# I, P* D
 9 M  d9 s* k( V. [; C. [& _
 用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。5 j8 L) s( A: r+ T# x, b
 # w  S1 _0 V/ x8 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。
 3 |6 v8 I% u7 e# l( M; ?
 2 Z3 _6 y: q% i3 A, Z  O    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。* b' Y/ r2 T9 `
 ) F) v4 \2 V5 q& @* ?0 |$ D
 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 d5 Q4 X/ X! I0 q3 F7 G9 l
 
 * k, t6 F0 Q8 n  r3 |5 s. }. X$ O    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。6 q8 G! E9 G2 ?+ K% x
 7 U8 a; o2 S, m* z9 C
 8 B" ]. }6 u" L% H% q6 q+ p. C' L
 Reference,
 3 z% U2 W2 [" N# q- L( d
 8 v. [" {( ^4 u[0] Architectural Overview$ E+ {4 i# O. T$ A  ~, E
 http://www.mongodb.org/display/DOCS/Sharding+Introduction
 5 x# L: m2 e; \* E  y# n# U
 | 
 评分
查看全部评分
 |