|
|
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。; M/ l8 x- H$ B
# H6 H$ b1 p! s# M0 D" 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?
9 I7 {' e9 R0 m0 E+ s% X
' s( K% w2 T5 q0 v; T% j 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。
" Y1 { Y! y5 B+ [8 O$ ~# A2 Y, W8 G6 o/ O- `
( A* I$ c) E2 k5 l! {5 J4 x4 T9 Y7 \6 a
图1-1 MongoDB架构图 - z2 j A) f, D- h& o2 R& {+ O
5 p- S. N3 H) m4 O( d 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)。
" P9 j1 Y! H% J" h7 n4 }) j! L
2 Q+ S& V' T, S6 I; }Shards, e7 W6 W+ o8 d2 f3 e( A* R* S
: E. H; P1 A& 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。6 M* X( k/ Y3 v8 x, b+ x5 a3 {
7 t0 V- f# T! G G 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)。# B! k- s, c. Y2 O0 Z8 |6 P1 I
# g$ B+ k7 I0 e; w% X1 m2 s 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。
! E+ F% u5 `, G9 S
% J' M; }" x) c% W3 f1 d 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。" `% U# G; J! z3 U- t8 W5 Y; Z% q
& Q5 z8 N% w2 C8 v8 z9 j) d2 K
Shard keys1 q; y3 z4 k2 h" s4 g C% j( g
1 a& ~" a. b& E. P 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。
& C$ z( a% m+ o' _$ c( |
. Y; v) n5 G l$ [+ b( R+ Z 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,
" O0 U) @+ c( j) x+ Q( H
9 K: {1 c9 z- I, d{! M J* {3 z d: x5 P
"ISBN": "987-30-3652-5130-82",* c) n, e: t# F% w x) o& T
"Type": "CD",
% J( d( h& t7 B2 A+ X0 U% Z& G "Author": "Nirvana",7 x' i2 M2 N* M& j8 H+ A
"Title": "Nevermind",
$ O( R& t8 f; a9 S* s* S) y/ B "Genre": "Grunge",
! D0 l: Y$ z7 M! D& V1 S "Releasedate": "1991.09.24", o& |9 S( N! {. \
"Tracklist": [
; |" r2 n+ g Q( S9 q! y {8 v+ z$ T9 z8 N4 [
"Track" : "1",
& d) A- s3 p2 F: q/ X n0 O "Title" : "Smells like teen spirit",& c9 V3 n' i5 {% R+ w# T
"Length" : "5:02"7 ~! d. A- K% @
},; v* e' F1 x3 K* T, ~: r
{
" v; ^7 Q# n, m' k' b; G; P0 g% n "Track" : "2",
) F. C$ k% H3 p* M9 d" g' m" h# j "Title" : "In Bloom",) [ ~8 v' m9 M9 h! q& G
"Length" : "4:15"
2 d* h/ q+ R( s& g }
+ _, c4 \1 s$ M ]
* P$ x0 S1 T/ L2 v}
+ A a8 g& a# H' P" f- T( _& g
$ d: ]7 ~* n/ d" a4 a! @6 B* i{6 N& ]1 c ]7 p/ e7 ?4 @
"ISBN": "987-1-4302-3051-9",4 N4 u: j1 p% ^
"Type": "Book",
f/ B1 y+ G$ g2 ^2 a4 ?" A "Title": "Definite Guide to MongoDB: The NoSQL Database",9 L' F3 f9 V% H# N- }
"Publisher": "Apress",+ j9 Y0 E+ E* a- y
"Author": " Eelco Plugge",
0 [1 F/ t- ]7 s# O/ I "Releasedate": "2011.06.09"
. X1 J' C# _7 g8 _- p; Q3 J}
; T6 o5 g Y: V2 W5 z/ J9 s7 a% r1 i4 |
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 r4 ^% q- z1 B4 X( G3 _& ?9 z
$ R- I( A/ E& |5 E9 S2 p7 U 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。; m( o1 u9 m- Q
- |4 w$ ?& m2 z3 y- M+ X6 P 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 W- }0 S3 z z( E' b/ X1 |4 k! @1 \ f# C& m7 i2 p" _0 ?$ 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。
: X0 r! h. a% n8 k# d6 R- P- E$ o4 _9 V% E- U9 k
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”。4 G8 [( @/ ^2 _; N4 P* D, f
9 _0 q2 W6 \6 c0 ?) V% _Chunks
* j9 i4 C+ F+ O & ?2 V+ o" Z" M! y: y/ t6 d2 F3 C
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。, F0 S9 m1 ~* d3 ?( n( J" d2 d
/ ?, b' w3 W8 w( {2 y" _5 N0 Z
: q5 x9 M2 P( r# T( `9 L+ }$ N" ?图1-2 chunk的三元组
3 Z* u8 F* x9 W8 u1 i( `: J' {* ^' d5 h: i
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。
: u! Q9 K/ S- Y, ?. ]* L/ Q, j( l! d2 s6 t
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。+ g, w; d c3 w3 y* M9 l
" H+ g$ {( s2 S4 R+ T- z
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。
; K/ P! o3 d' e r1 w' A
2 v9 z# a! x& L9 r% H5 c 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。
- }. ?" _8 {: [8 @- N/ l: j! c& g2 K0 B( o
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。2 x1 z& p. x6 l3 P
J1 N$ p& T8 e9 [; \. `' |+ o 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。) z7 C) k" W3 Z$ x
# r9 F" G: ^$ [' d
Replica set+ ^. I( Q# h. m1 {' M% k. P
( g" Y5 `. [2 r% X5 o# H8 ^ 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。+ H% @& w' h, W/ F* b: v4 l
1 v w: C; S) ?# s b4 k 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。, l! W8 e$ B7 n" U/ E: ?& G
; P5 u8 u9 Z& 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。( N1 M! k) J& v O. n7 Z
( Q6 q' b( W4 v( J' m* H; J
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。2 T9 L8 @7 B* D, l7 R1 X
5 b$ r0 |7 C; C+ A7 z
Config Server8 P% q6 N( X9 [1 X* X
5 X( [6 o4 p' U: d6 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。
# S1 s# p' G8 V' t; }
1 T3 Q/ t8 @; n 每一个config server都包括了MongoDB中所有chunk的信息。
" ? `! `2 t% ^. D3 y: M6 x4 e" u! e- ?' G; f
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。- V8 O0 L9 @5 n0 R
1 o, u6 Q A [4 K 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。
5 X& w& i: S) U5 n
+ B; F) M' Y, K% M1 |, H 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。; C* ~) v0 L% x; d T7 O0 @% }
}" P( F* i9 v
Mongos' b/ K' v) M" D1 ?2 h- |: ?2 J* c. L
$ I. e, e2 b2 g: v; j1 q2 Z 用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。& f4 g0 q* f' ]. x
- i" V# i5 O6 G) @8 A
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。
. X; a( N' ?5 t* X% b. ~+ \/ [3 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。
, j; A4 ^6 S5 H' g# r! w7 H2 X& |; N; f( W; }
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。( {- |2 o& ~. @; U0 o- X
0 y _: w; L" P2 k& r; A S
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。
; b5 M' O. i& K* P. C. n0 L @$ ?, G: v% }' t2 J8 D
I/ ]" a8 }" Y4 w! d6 mReference,; o. j% b( U8 r
! T' j8 h7 j) h' F0 _5 q
[0] Architectural Overview% |( o+ A; ?. l. @
http://www.mongodb.org/display/DOCS/Sharding+Introduction
, m9 z9 F- r* b* c) E& ] Z8 Z; ? |
评分
-
查看全部评分
|