|
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。0 R9 L0 a5 _& R8 k7 v
9 s, U4 }5 r* s" 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?
! m" H$ f$ D! F1 N- F7 D3 M6 i$ s: x, V/ ^( g$ N
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。7 S7 k. }- Z* ?) M% D7 k
: h# a' i6 S$ H5 i8 Z
3 g- ^$ z0 }) J% p& y. R% y) i/ _( S$ I" F0 o
图1-1 MongoDB架构图 9 ]$ g2 d5 t. ~. I8 W) X) ^4 G! q* O
! ?; b0 c% R/ f1 u+ `
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)。
, G- k# ~. A: {& w( ^- c, } D3 w
Shards
9 k5 ^7 b1 z& ?( d9 E! R# y" _, [4 d
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。
& O$ h4 e K q2 a- R, V- ] ~; H9 |6 I# 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)。
, W: h+ x, x' v6 Y# [# Y( K; Z
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。
$ s3 `) }( K; I; D
8 k! I+ Q( t! n8 S% ]) | 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。* y: E/ h' x* [ _* P
8 {% L2 d, q* L8 N5 P
Shard keys
! `- y$ h- `& D U/ E( T4 c + a: c0 W% W* u- q
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。
P1 q) `6 f0 T9 J+ H& n2 X. I$ W$ d+ a3 ]
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,
! v4 J5 y n( v! G
4 G% o) l7 I4 J* u: N{/ Y9 f' M1 e1 M1 o2 Q
"ISBN": "987-30-3652-5130-82",
& s' _$ _0 E g+ n) t "Type": "CD",/ N* [- ~( m( B
"Author": "Nirvana",
% j# |7 d8 c. Y; g- U l/ x8 ? "Title": "Nevermind",
* M$ K( C; |3 j/ j% O "Genre": "Grunge",4 h9 @+ r; a% }( y
"Releasedate": "1991.09.24",! T. C: v) z6 [4 G1 I
"Tracklist": [8 H+ z( w2 V" [3 z& ^
{
* h2 C2 ^4 C9 A5 H a$ W: {0 e+ l "Track" : "1",
: ?3 F" A/ g. j/ e! w% j O5 f "Title" : "Smells like teen spirit",$ G& k8 {9 v7 I! X( }/ G* h* W
"Length" : "5:02"6 ]2 p+ J v. Q! W, @
},
( U2 C& C, r' u4 `7 t( @ {" f/ D/ @# i# K, R: r) Q
"Track" : "2",8 c/ x$ Z2 u) X- N2 q/ c
"Title" : "In Bloom",5 i( R5 o& z2 N; Q5 ]& F+ q0 c- ^$ w
"Length" : "4:15"
7 M+ C H) x" x }
# d X7 J4 t9 G% e) F+ M$ P7 m+ ^- x, Z ]
2 l, t3 `! F ^# n2 {}
. s/ _8 O( D( _, ?- ~
/ W1 {9 L( T3 P, N4 j2 u{* p, F2 |/ j1 s
"ISBN": "987-1-4302-3051-9",
8 g6 _9 z* M2 F# \" h/ Z "Type": "Book",
M" l6 J+ s7 B! I* |3 j "Title": "Definite Guide to MongoDB: The NoSQL Database",
* B4 v# a9 h5 ]) C7 B2 h "Publisher": "Apress",9 T e. @6 b3 C
"Author": " Eelco Plugge",- V7 e) J$ Q2 P9 A7 h9 }
"Releasedate": "2011.06.09": K w7 \! A- ^; d
}: f$ G/ b$ T- d, {: V( V6 S
0 D" n+ O, b% D. {5 X: @* R8 J3 ~
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。
# i# E5 [5 X/ ?- f2 u
6 m) f- l h7 k; g X w4 K 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。
O: N* P/ j k, B' c4 ?9 ]0 p/ t6 o }# s8 D
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。
' K4 k6 C4 t0 S8 h; v( w3 k; B/ N. g, T$ L
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。# r% t) J" P, p
; d b4 U7 ?, L$ `* c+ [4 o" V. T
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”。; j) d. V5 }' C1 L% Z- `6 J
( W7 A3 J* ]/ O5 k- g y
Chunks3 A: K! @) o/ }) z1 b
. y/ m, S9 x# G: w
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。- ^) }" D4 S$ D" }5 |
. ~2 b* w& x9 u) p S+ g- ?9 q
$ l4 k' j9 y0 U2 c, f/ r9 n图1-2 chunk的三元组
3 o* O9 A+ e2 v- \1 F" k7 X! d; N8 q7 R( {3 |: ?0 s5 ^
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。+ L( f! |) [1 j2 P7 ~8 J/ _
3 M$ {( T- c# ?0 T5 H
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。
, b$ B5 Q* r" B; ], o) h$ d1 ^$ ?
: f/ Y5 X, y; ]5 P' i$ @8 f 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。
+ A2 ]% R% F6 a3 Q
* ^8 s% L: C7 N- }* z 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。: k4 |: A* E5 E2 h" D9 F
* f, U: x( f, x/ H* u: 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。
) d8 q9 W2 M- K; T; Z% ~6 l2 j2 B- b+ B* _/ I ]( m
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。; {) T2 ~2 j4 X& r$ s
7 a1 S" d4 f2 g: v
Replica set
9 o$ ~, ]# o$ U1 i7 U }; g4 M * \& @. H& k: ? 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。+ p% h1 h9 E1 T' z+ Q0 Z) E
: y1 Z, D( \$ J3 M }6 z% o+ D' ~ 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! ]) |! P/ c2 W$ s+ R3 H4 Z- L+ ^ ]6 y+ w, l# `; _+ 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。
! G& O7 J* f9 s2 ^- c) r5 L3 _0 N3 Y3 a3 I
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。
' B8 l8 h+ ~0 U2 W4 M, I# L8 ~
Config Server o: P2 R# g4 |0 L0 _
9 U* Q- D4 Q1 _: J% L r 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。, C$ h; B. A, e- Q
- N$ a# m8 h y! c, x3 ]
每一个config server都包括了MongoDB中所有chunk的信息。
9 z( }8 \0 x: l, c
' q! o6 ^9 w. m# O6 W) t 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。
) {- U N7 b, a8 l+ W) v- ?
% l4 [% g+ e' R+ X! U 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。: @1 A- ?/ _; }" ^
" `+ e. X5 a6 @6 C
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。0 p8 b) Y5 k: }
- Q \3 r- H2 `- ~% b+ z1 g
Mongos
4 M3 _; Y8 n6 ~3 Y4 \8 T- q9 E7 f3 ?; E: m K) _/ A
用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。
- Q, i" w- n7 u$ z% k% r; n, l5 A' g+ N% n; y
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。' H% d3 B7 w; M. W/ c+ I }5 R7 n
+ f. A" u6 z* W! k |0 Q0 x9 b3 T
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。4 q7 i! L& r5 K* o/ A0 b' s
7 a' t2 i o( 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。
. J9 q9 K/ a3 Q! }3 Q2 I( F2 \
% L$ p6 S& L* x e 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。" m9 h. W1 ]+ F9 u5 c; C" P
O- l% R1 l+ C7 e- o0 r
6 U& j9 Y) O3 @; F6 ^/ r* GReference,
( C- t ?/ \. X' q. ?: V" X% S: C- c6 E+ q( f5 w
[0] Architectural Overview
2 ^4 j8 s3 r" Rhttp://www.mongodb.org/display/DOCS/Sharding+Introduction; [ \* o4 ]/ {" U z
|
评分
-
查看全部评分
|