|
|
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。- V# E6 N* c9 r' m8 l
( S6 ~$ H; J. Y: |$ r
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？ R7 |9 p( Z G, e
; F0 E/ J4 X, }% w- z- G5 w5 a 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。
, e3 I6 r9 _. K% H5 T0 x/ h9 P4 f
5 H. q& _; Y; _! c1 n6 w7 a8 f
" l; i" s* ?1 v0 ]5 z- b! F5 }4 A
! i2 d( w8 |- W* W6 Z7 J" a图1-1 MongoDB架构图
+ x' C1 R! U& r) B% R0 ^3 g7 O. j
0 U1 q- W$ N' e6 {) ^4 m6 k 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）。
8 O/ Z& i# G+ \; m8 ~: Y* f, W+ b% T2 ~4 r; s1 m8 r1 W T
Shards* W/ ~7 W+ d, K& {/ ]& [5 V% K2 ~
. Y6 m( ]) F R, e, H0 O; \; r 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。4 R/ f. R9 @# x
L, j4 z1 r$ z5 ^, ~% V" r 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）。# p% z# V: C0 T; T+ U6 v# G) `0 l
7 z1 ]( K/ \- O4 S! G, x! T 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。
; V0 w! i' D2 ^$ @ a4 v
, R1 i* i; i" w/ Q! q 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。
) G& L8 u* `) [1 ~; [0 S8 u
" n$ E+ a! d) b) W$ I2 ^/ x( g" vShard keys+ o: n" t; H% e7 L1 o6 M, c; |
8 R, E: ? G Y8 G* y) n! o 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 s/ u- i1 T9 I2 m
! [; `) F; ^# u+ m; K 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，
. @* ?( A1 W% I* h* c* G; `( X% q: o! ]" r; X t
{) Q6 ~8 V, K' V" N
"ISBN": "987-30-3652-5130-82",* X7 R9 E. m/ c/ b7 a& w
"Type": "CD",) R' m& @# `& `) u8 H6 L9 Q* b
"Author": "Nirvana",) N% F8 e/ [2 m7 |; r' ^, T
"Title": "Nevermind",! \5 p! R0 l$ V$ w
"Genre": "Grunge",6 U" x. _/ O& q1 L
"Releasedate": "1991.09.24",) q! E( ~5 P/ r- t2 I* ]2 X
"Tracklist": [
* l# t4 g( \2 }+ y {" Y/ Y5 ]4 w. r! L
"Track" : "1",
# y4 ? X. ~( t7 ~ "Title" : "Smells like teen spirit",2 R/ D8 u3 r' A7 j
"Length" : "5:02"9 k' q8 l4 @) u) C
},
5 F/ J& F* H$ u: B {% i! l. x9 w8 Y3 _) Q
"Track" : "2"," Q/ Z7 y: ^8 C0 O: d* r) ?( w
"Title" : "In Bloom",
7 `+ X3 V T( _8 H! R( E "Length" : "4:15"
8 i* ?, m: b+ H) ?: m }
1 i7 M9 W8 }$ l9 U) V- Q ]2 B6 e7 j' s8 r( q" i+ ^, I
}2 x- w1 Y5 v/ r2 Y2 H! M+ o5 e8 k
9 g# h3 r* A0 Z8 Y) Z" S& W0 }& E{5 n( m! L& [: |; `
"ISBN": "987-1-4302-3051-9",$ J) z: L$ c' ~) P# o
"Type": "Book",
9 a: e8 j' V* d/ i0 q7 m ^ t "Title": "Definite Guide to MongoDB: The NoSQL Database",' p% ?+ A; ?: o, y1 m" d( f
"Publisher": "Apress",+ b+ l2 |1 z; x. H
"Author": " Eelco Plugge",
! ?& ?* ^( K' i) K h, ?, K "Releasedate": "2011.06.09" ?! u' B( z; V+ ^, B
}; J7 f5 C9 ~6 e4 ^" R- t3 Y( I$ q
. ^- H1 m% A% O5 @/ R d 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。
/ k- ]+ L4 ~0 r& ~, ~; {) ]' O
: s5 ^) E; G( ?% s; d* l! _ 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 m* \7 g8 ?
o0 q( N/ O9 N 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 ^9 I; o- \' R% b) K
% [/ R- l' e# z* i# R5 S- O 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。
# L" h2 a8 b2 v, ~! ^! u
; `5 h# O/ G' G @3 Y 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# e2 ], m$ A) r) x- d
8 e. y7 {, F3 |7 ]( `Chunks" B# j6 _( h! Q) r* q8 M7 n; l! K* u8 t
$ G% c5 O% m1 Q# l+ _
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。
" L! S" R l( q8 f7 }
! @+ i7 J, ~( f, q0 h
' r) F$ F6 A( g# T& P
图1-2 chunk的三元组
. G( D7 X U" o- J% y, \$ F0 v$ N- z2 y- l# l
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。
( j; d* _ t5 @2 Y+ @0 ?9 n0 [( A- i2 ?2 v" c* m" 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。7 B Y" b8 u+ T5 t4 {
' U* B. J+ D s7 e! z, t! _7 O( S6 ~
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。1 n5 e! P# p% ]* Z; S9 t, U+ Z
, f6 C3 H4 L6 E 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。 ~, }) d. |* m8 ]4 B
2 q# q. i1 l4 \6 k2 s9 } 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。: t( e& |3 P% s! E- H- @
9 v. O. e: U% G( c4 @: N+ n9 ?5 ^
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。3 `$ I( u* y* b( Q
+ I7 X5 z+ j" U: p! l! I3 M
Replica set
" [: d+ p5 `+ w+ k' g* ^) A % x; A% v1 U! ^" E& L& L
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。: x' f4 v4 G- d% ^) }
, R- v$ W& n5 p- x
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。+ w r, F- c) W( f2 m- p, ~
: Q2 L8 W0 Y, y: u5 K) `. B
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。
3 `! c7 z# G. U7 r. F8 m- e
$ u1 m1 _/ }) M4 V) L0 f 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。' U X `+ k& H9 B3 H5 @8 e
4 \& B- A4 }8 P8 Y% UConfig Server
! }3 K( s$ l" k2 {# g
% E" P8 e: B# A7 r u 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。
1 ]' m( T* l/ l& K% ?( K- {6 ]! f
% N* L; r* t' R2 U6 ^ 每一个config server都包括了MongoDB中所有chunk的信息。
+ s; K; y6 q+ p8 x8 N/ R7 }" ?
, I4 P- w0 v' ^+ y 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。- i4 z( v. l$ j7 g
6 T# ]* U. p# Z* Y2 r1 V 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。
' h7 x) m5 [( l) s' [" E0 Y; Z
, h0 G* p, ^% _- k 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。! q" r8 _3 B& r$ P" P: v# i; W+ ?
1 T3 K% B1 d: _( q/ y' X% QMongos5 w# b5 N& ^! \% d
8 }( Y- c5 ]- K+ K
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
% V4 O; s' ^6 `# X7 k" O7 ?+ ?
1 l- Z6 F& U0 d' }& H% X$ ]9 | 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。2 a! q7 Z% l; l6 C1 H, V$ O
: ~' M* C) s2 f( a5 o6 Y5 C
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。
1 i3 b. a2 p( z) @% g9 ~1 y V% Y6 K; g8 Y- H
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。+ |. D+ c8 q# ^8 M5 v
3 M3 f/ x- O$ ]6 b! S% F 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。
( L2 v; k1 l6 k1 ~- S9 T/ a; c2 |! i/ D! H+ I2 b0 W8 G- \! A
% S) `$ d2 w! \; H
Reference，
! _) y/ ` J, e, w- [5 B! ~
7 C1 ]- u! E3 q7 ^2 l[0] Architectural Overview
, U0 M0 J. I) Ahttp://www.mongodb.org/display/DOCS/Sharding+Introduction
) T% ] X1 k5 K' C0 Q \ `8 N0 M% H |
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。
