|
|
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。
* b) F" ^& @ a: x7 x1 N9 }0 T0 @. t- t8 [ O% g3 p: e+ P
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?
( l2 f- K8 @+ e F
; ~- m" h8 W& x( N$ g7 b' R8 h) [+ K9 N% g 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。2 h5 {- h( j1 v% a, F
2 |. j* d l5 ?8 I; U
e0 U* O+ I' C3 O" C5 p
& D; _( B+ L0 O1 o2 `( }/ q图1-1 MongoDB架构图
: \, l: c2 P6 o7 X$ ?
- Y% n% a! v3 L 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)。
& k* @9 c4 C. p8 J: J. z7 d+ Z% {9 n+ S5 S7 s$ Q# d
Shards
+ z4 T5 ` e6 {, l
2 m" }6 o" n0 J) F# q 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。
' z# u; N! j& ?) J2 w2 H7 G% o3 L9 F4 q* L
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 r$ q: T& K3 c4 f
+ Y W- G9 G: z2 h# V 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。
3 M, G! k( @. j3 {& c& l* j# l. x& H% U+ p
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。1 {4 x7 I6 j0 P* a* ?
3 _# ]* C7 I S- L2 I
Shard keys# D% e+ S$ x( G9 |1 }% O* h
, |- Q+ b8 Y5 Q/ w y# f 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。' @( Q# E! z& T& m
: s! [. ?% d3 X4 j S* ? 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,
6 T& g% j! N( o e8 g9 P9 A/ ^: p" [! | I: ~& q; \% e! C9 p5 O
{% F$ |4 ]5 u) V7 n; M2 G0 ]
"ISBN": "987-30-3652-5130-82",
% Q- n- L9 `% O- `" \0 D, p "Type": "CD",
2 y* k0 Z' z- t, n4 C0 E3 X "Author": "Nirvana",# I7 Z, D) I: Y3 n2 w
"Title": "Nevermind",
% M8 R& c+ R1 s# f- f6 t$ |& u8 [ "Genre": "Grunge",5 A; s d3 v8 E/ w1 W+ H& B
"Releasedate": "1991.09.24",8 O! @) b& e/ P1 w2 O
"Tracklist": [
1 y, \8 e( L" x0 ] ^. h3 A; y, D {0 B3 ^$ ~5 \3 ~- O: b
"Track" : "1",
) a# C% q `2 R; z" ` "Title" : "Smells like teen spirit",
7 S, ?- z; Z/ |0 z* o "Length" : "5:02") \" e. q. D0 P; W* W
},3 _2 N. u: R+ |+ ^7 A% q0 d
{
, }3 T8 @3 E: B; `' z: v1 W "Track" : "2",
; d; @" h8 c6 a, J, |5 f "Title" : "In Bloom",6 t( d8 O! d( j% L& z/ M' B
"Length" : "4:15"
' W7 H( f) K0 G" c3 U6 [7 _2 `8 W }! R1 ~+ R' s2 c m
]
4 i4 e" J* X! u# m/ e}' G* P% N0 a( |/ L$ J
) W8 B7 j* l8 y) w8 v7 I4 }9 ?& w{# M8 T3 q/ \. Y& R' u% N! @
"ISBN": "987-1-4302-3051-9",
( A# G$ f1 x* f( L ~: Z- ~! e7 ? "Type": "Book",6 D8 ^( `/ x6 O7 {
"Title": "Definite Guide to MongoDB: The NoSQL Database",4 e7 `3 Q) {0 q0 Z
"Publisher": "Apress",+ E5 L }% X, c8 `8 p) x" A) R/ u
"Author": " Eelco Plugge",
8 e5 g% A" y8 d1 ^, M5 W8 `9 `; _ "Releasedate": "2011.06.09"! g q! v5 W2 Z0 h# [
}, B5 G+ j4 m5 |- K( e4 s6 Z" z6 V
: n( D( t; Z" v7 i6 v+ Y! 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。
7 c4 p3 ?8 t% q. o7 h `
1 M* k) F' w* g+ T2 k' y( H8 i 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。+ ]5 [: S, F% k( v- U6 m9 z5 r7 g
" ~7 [! q b! ^ 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。/ z! _ w1 q# g3 k0 M( D
0 I0 `( e! ?+ L8 ?3 b
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。
! ~- |, p# ]# x: ?% K2 S3 x2 v2 V9 h$ r8 E6 b7 M" `; s: p# W
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”。
- S' J& r( \6 ?) R6 \
5 D& e+ a( t$ v/ o: V9 KChunks
4 |: o% d. M2 V; l) E ( `; h( T x' n! T, G; A5 N
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。
5 Q- }% O$ Y& `7 T' u
7 H, M- g& W" B" L! S' V- f0 E6 h
+ J+ o& F, m$ e5 C& L7 }( W% _1 U图1-2 chunk的三元组
2 T( K& R( O: ^- I! B) o/ o
2 v" E3 ^9 d* 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。
2 u/ ]; d- y8 d6 m3 ]6 l P* x( s4 v! T' n7 v/ u
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。% Y3 q% S, V: j
- }) F) f- o( e x8 ^ 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。
- h9 L9 k" L4 C( M8 L2 b- Q6 M u
/ m. n8 j% Q* l/ i) N 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。
- g# ^/ Q$ Z5 u! t9 R3 F* W- H- Q* t5 o7 e# Z: b
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。# P8 e0 T5 y$ h, B
: L+ x( u* l5 E" t 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。' |- y5 y1 o' J- `+ M3 x! {
3 `) [/ M0 P( \* F! n; k
Replica set
; b5 I- x6 s* S8 ]
2 A( Q \5 D* u, p* K5 } 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。" T4 K5 S* J+ o& s8 G: e
9 q! t/ j- F0 c3 X, e. f
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。1 d2 Y* U) {1 x+ F7 U* w
3 W8 }5 x P) ]( t, \7 i
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。
+ q. {5 {9 Y4 M
' F8 j1 `6 ~0 m8 u/ [' y* O D8 t3 Y 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。
% D6 O( V+ S+ o6 Y/ y# m, v; M1 e. i, c7 ^
Config Server
; R" |. E m% s" p2 H* v
0 ] _3 p# h( V 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。
6 |) j" K3 k0 }! o& ^$ i9 _9 r/ o- L- x" d, B
每一个config server都包括了MongoDB中所有chunk的信息。0 [( V8 Y; h5 C. y$ Z
1 m6 F/ y9 A: s( b
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。
- O9 r6 z3 p( u+ W0 A3 @* {' X/ j+ J0 v" U) l
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。" p" a7 D: B" p2 }# t: w
9 F* r" [. z2 P2 a, q+ y8 ]5 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。3 c' Y2 H* ~& Z: p# K8 s& }* t
, M. c" l r. k1 E. o
Mongos
8 ]. p" _: A+ r$ ?0 O' d
* H$ B* i% `; l" Y 用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。
3 k8 O7 z$ k- @5 i4 T) m+ K
) X5 l; m3 {6 c8 l' { 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。
" C2 q% ]% b0 ~' V( z
4 I, K1 p+ Z6 n* ^ E# v 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。6 v- E/ f# C( W% Y8 ^
# _' e0 z6 {9 [ Z5 }. o 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。' q& [' W6 G a, J$ D! e- W J1 H/ _
: [6 v- ?3 P: V- W! L 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。 \0 {1 @. ^1 |
$ ?7 Z2 O, V- V
! J9 _/ p) E9 k1 w2 UReference,
, L& P) c* C H5 o; U9 z/ P$ Z
/ V" \' V5 X6 B4 `" @: V4 Q# B[0] Architectural Overview
3 l- Q+ ~, y# ]( D$ X. }http://www.mongodb.org/display/DOCS/Sharding+Introduction9 l4 K1 V$ D T3 D% |) X$ E
|
评分
-
查看全部评分
|