|
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。
# n$ z9 H6 h% _6 H, Y8 k# H# S3 `: K6 I; f
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?; X# X2 L& d5 S2 P N
6 o; R% y5 e6 I3 a! X. W0 B
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。
6 ?* s% w) W" D, Y
# {: r8 Q, D, F. `
4 X8 C+ }) o/ F( J& H0 N
& ~& e2 y i5 `' T5 p5 ~! p+ W
图1-1 MongoDB架构图
+ f% O# V# Z6 ?
- ~. u: @7 n4 C( T) y' p 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)。
+ p. F4 v1 ]+ `. h* l
; |+ J+ f, n! L) R% e1 B4 U5 T5 VShards6 F4 g6 v. b: m: T8 P
) F, I3 J& f5 }6 E% Z) u5 K
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。
3 A' [# f. Q, Z" V+ m+ d% r
" u2 C: }- }: P( H4 t7 c' | 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)。. T& |' L7 F( u" \- N% p# f9 a
. u& a, u/ m- t& I, R8 D# a8 t% S6 i
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。
5 q9 ] g/ R) [! E2 T( j4 Y/ O* J$ o6 M9 `+ e. x1 L9 n0 v
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 |. o# {& W) t8 c, g/ X3 w) g: l0 f+ v% T5 r5 E6 m! e' j# F. t$ M
Shard keys. @9 d# K5 V P& t2 e* n
3 r( l$ ^8 C- Z* _ 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 z) o5 s9 d& u6 r- B* v1 I/ p! G7 o4 F2 U" M
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,
# J+ @0 f' s6 \6 b' ?2 c; {0 ]- U0 ~0 D9 R
{) p# Z. _$ j3 {- J6 Z& K. O6 v
"ISBN": "987-30-3652-5130-82",
d: U* p X, N6 u% s2 o" z "Type": "CD",7 q3 O7 a) ]6 u, s; k. v2 [
"Author": "Nirvana",
& E- C. W) \8 F* i, W "Title": "Nevermind",
+ g) l4 i6 j, z3 x "Genre": "Grunge",
9 M) s5 k9 o* |3 y2 L "Releasedate": "1991.09.24",
6 L/ A/ d, ^! _# k "Tracklist": [
; H; c+ d0 _ t( @6 x {+ B! O" ~2 o( @) G2 j, k5 b, ^
"Track" : "1",' p7 o& J7 ?/ N$ z
"Title" : "Smells like teen spirit",# g, Y7 N: J5 E. J1 Q' M
"Length" : "5:02"% j+ k. A8 m9 v
},
4 Z: C o) ]4 J2 m# V( I {
4 ^' u6 {3 Z, B, \9 F" F "Track" : "2",( f; k6 ~- }# t8 ^6 s
"Title" : "In Bloom",
1 \* \% o- j3 I' c, h+ i "Length" : "4:15"
% Z% Q, {% W( z8 ?3 U) n2 A |! D& T }1 G D$ f% v! J H2 `
]
+ H7 Y ^! w% h& S}4 K5 e9 P5 q: m) g. ?! [
+ A2 `- ~/ _* A{! g7 X# E0 ^& P& Y
"ISBN": "987-1-4302-3051-9",
0 E& _) \: P6 m; X "Type": "Book",
& C7 H. u. V( Q; O5 i "Title": "Definite Guide to MongoDB: The NoSQL Database",! {7 U1 ~! @/ R! j; J
"Publisher": "Apress",. L Y, E9 M" r, w
"Author": " Eelco Plugge",3 U6 R. P2 R/ g0 g; v+ I: c9 O
"Releasedate": "2011.06.09"; w; O- [) Y5 E( ^1 `3 B2 m
}
# z% `/ k4 q( [2 [& P2 Y4 K% p1 v4 n! _ m% w2 P4 [, [- U
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。: M' e/ l: Y5 O+ ~ B
* t" r3 ` W: T+ n+ E 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。1 C! u L( ~6 Z( o0 g+ b& Z0 U
- ]4 f( ]6 J0 L6 l ]! J
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。# Y) @4 |: j& U; X/ Q( F( R
4 S7 B7 L$ M( T: ?9 J 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。3 O) ^5 I$ [3 h( u9 ]5 ?
. O+ p1 O d5 v4 d0 m9 X 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”。! e% L4 k# {- M
# h6 i& B0 o/ q: V# DChunks
4 T* T" y3 m$ R5 p" @. X S0 | ) ?' }- a! [& S* U0 ^- g% R4 t
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。; S! Q; N+ r0 X! W4 ^; U2 W
+ H+ a- I% t% F5 D
* }, E2 b7 `1 d3 ?# R6 B4 ^/ e I图1-2 chunk的三元组
' ~) l5 C+ o8 V$ A
5 j: f6 O2 n2 u0 a& k9 N% b' z 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。; |/ B; m% e1 ]% w* k
) `/ U( \1 W- |1 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。
: d/ y" ?1 ?; x. q1 \5 o/ ~# E& M$ T' L
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。3 E/ F. U0 |8 t
, X$ ?9 b8 ~' O! t1 v2 d 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。
: m0 k9 `. g- {* A6 \" z: C4 x6 x- s
2 i( B$ ]5 ]6 _ 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。
% }* y1 A, G% n/ E4 B; w1 [! |; c* s7 Y* K6 E: t! r
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。 V4 P0 [: S0 z4 x& U: q
2 e: i0 M% K. r8 L9 |$ Y! t _/ W
Replica set
- G* j- G* K) ^+ G* `2 b; { & x, y( L, G' {
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。
; q* _, Q# w/ l3 Y5 {" O
0 E8 @: X% Z+ E+ I 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。9 B- ]: w# K1 D& {. z
9 q- R2 p1 x. V" t2 E
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。. ?+ K6 `3 ]5 o/ S2 f6 _
1 z- D) c3 V8 x8 A! X& ^
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。
7 z; D. [, j$ C
O0 y; ?' J2 M0 r1 y @1 z) XConfig Server
9 g* X5 a5 L, q9 ^6 _
6 s& ]# v8 w% w4 A 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。* l) B/ J! B6 E6 r n% h
' B3 x; ^+ H5 Y! q, z ~
每一个config server都包括了MongoDB中所有chunk的信息。( }1 v, ?8 i6 u. x* k
b/ Q, F, a5 z4 O( |* O
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。1 W+ B" X/ v c( V
9 D" x3 s. O3 c* f6 p% E0 T& 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。& Z! H- j+ V- |* @ v2 L
. }; R6 R6 G7 S" }! G. B 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。$ k9 S! G9 b- k" ]* u: ?) f7 V
3 i3 Z- m3 R2 Q
Mongos2 v- s5 c3 M6 s0 j
/ u, Z( o, K* z# @+ K3 c2 q
用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。
Z. Q2 D% W! p2 z" c5 Z4 J5 ?0 o: {
( q2 N1 k- Z! u, W: k 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。6 W3 Q" x- b8 b
8 o$ u9 h1 i; 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。
9 x0 F; v" M C) N {3 f% c3 U
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。( h( m& @: c' g0 |
! ~/ B* G; n0 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。
. l% B% I$ W' n7 O' G( t# T: G1 m x H
, {0 {9 E' ^$ k- [0 v' l* i
Reference,2 ^8 i( V: m8 m3 t' o0 f
2 D" f: C% Q3 G; c: m[0] Architectural Overview
2 V, d( a9 k0 q/ N/ w# S/ [http://www.mongodb.org/display/DOCS/Sharding+Introduction5 @- f. O+ d% {# z: T
|
评分
-
查看全部评分
|