|
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。& K2 L3 ^3 ]9 l6 P2 l) k
, t! F% o: y. u% r0 W 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?; H# @! l' q, x" i# B
: M+ {6 s4 U$ |: \3 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。/ h) |/ T8 Q+ u. j' n
9 T* ^( ^- y! _2 s
" W7 I6 D; r O( Y: \+ T% @$ A3 O/ ?/ I7 d3 { R
图1-1 MongoDB架构图 ' i) k% e. _. e- ?8 y
' N4 S) d( S# Q( [- T
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)。: R/ C: F& Z4 o& m0 V
( @ p4 c# `& K3 ~2 ~$ CShards
9 \+ r7 S/ X, ?1 N0 |6 N! W2 n' R1 ~- m. E* `' d7 `3 c- 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。: N" o2 _; U) R* e9 a5 Q" A) q
) k* j1 i' N; S. W0 @( w
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)。
* a0 R' c4 V6 ]/ ]! p7 W e
+ |* b3 {" _" n& Z( l 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。
) P6 l1 M$ c" r' H
% P- ]3 y) H. L7 h$ 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。; N# M9 f7 E; r" I9 l* K; l
& o5 T; w& R7 A8 r7 U/ {$ @Shard keys5 d4 c2 I. o% j1 H* e( i9 ]
2 I1 H( p* q1 H
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。
$ o: r+ f& P/ K R8 |7 |5 _5 Y8 _+ s7 F
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,
* K9 ~# S+ F5 L
+ O7 g) `4 D6 ?! h6 u* e{! `6 h% r! E9 l4 x. Y- i* k
"ISBN": "987-30-3652-5130-82",
' Q1 C, a& \9 O; ~ "Type": "CD",1 u) ^5 r9 m8 Y7 |0 E. u
"Author": "Nirvana",
6 ]1 T' @ z# I7 f "Title": "Nevermind",+ }) ^$ N0 y+ Q1 A# p; M
"Genre": "Grunge",6 q- p) r) _8 G p
"Releasedate": "1991.09.24",& i- C8 N) W2 B/ o6 M4 h7 {3 L
"Tracklist": [
; u8 [) F/ U3 O5 ]0 X- B- z {
- o3 |1 E8 n$ K "Track" : "1",* i ^9 F- m3 B* Y
"Title" : "Smells like teen spirit",
' ]+ p! { j T* {" T "Length" : "5:02"% ] F1 i- I0 E0 V8 r! {' Q
},( H: G5 F. U6 W5 ?! l% o8 z
{% R* i& u4 T* v P, z! Q
"Track" : "2",
8 v& F( S5 }8 ^. ?% `0 b "Title" : "In Bloom",# C6 I t" J4 Y
"Length" : "4:15"
& Q' M5 S9 G8 M8 e }
7 ?! ?, F) ~' U) w2 O ]( M4 N/ q# O1 Y
}' x7 A2 U) @, p4 X( [. l
4 O$ j" k1 [" S$ b. b- {+ `8 E{7 X( Y6 u7 E: g
"ISBN": "987-1-4302-3051-9",7 }) q% T; L7 R5 S; y2 }
"Type": "Book",
: X/ z7 r3 M- a) C$ a "Title": "Definite Guide to MongoDB: The NoSQL Database",7 l/ ?- v. l- b5 c) t" E! v
"Publisher": "Apress",
& L+ {' _$ O* t9 ?# k "Author": " Eelco Plugge",
- f4 S# C2 @; u! v7 B5 x5 j* o "Releasedate": "2011.06.09"
~- _, r2 {6 A ?' P! {1 l0 y}
X, G- x. t9 _' B6 |. g: m! P
7 _$ m& Q: S7 I8 ^3 i! i O a) N 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。/ z* m$ V$ l- B
( O- F0 j4 s8 l+ F. R5 R 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。8 x( J& \3 E; H5 }
: F$ u1 f, q) O' j, I 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。
* m* Y1 r7 t, E5 R+ m
) J, K+ {! [5 j6 h 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。7 Z N8 C$ Z c S' P/ m" l* V, n
0 d2 |5 E3 W8 v2 L
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”。* T% O* z# s, R/ C
( C$ i, D8 B2 g3 u$ {' aChunks2 ~/ c* H" S% n. I% j* N8 ]' B
, v" e9 t* _ \7 F4 B0 W! y0 S 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。" h9 T$ F2 k9 j# v# d( h9 y8 D& G
$ C1 I! M3 O, p7 g @& I4 S
. l( G: o: e [图1-2 chunk的三元组 3 c! N+ w6 ^( s7 l3 L8 v! q: G
- J7 g" a" j- D V1 ? 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 T, ]3 b9 `3 d8 d( B3 g8 W$ _! Z0 Q) A! j
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。
$ x' R0 X+ d$ j ?
1 ^7 P+ ~8 {& J6 E4 e/ ~( E 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。- L. ^! K: v! K
- Z6 F6 C1 ~0 L7 w, M9 j 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。
6 M; u. }7 b! \1 T% a2 O$ F& d5 H5 @ h* _$ r
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。
* b p9 i$ b- h, g, r8 V/ ~0 D: _7 ?0 z
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。
4 Q' W1 |7 h0 X3 T4 ]4 @2 K7 C4 m* s5 [% ~7 ?
Replica set- G1 _" C" p2 Q! D
, O4 C* r" g! H/ S7 [5 ^7 U1 J6 A: q
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。
" t \: x9 I; [, }0 T3 w+ X' ?, c- ~0 @: l: s% V! O# Q4 P
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。
4 J& |* g: ^# F' p4 P6 i0 ^. ?; ~$ l, M# \% T
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。4 Q! }0 @) X% I- g3 ~3 V
. j2 V. H1 w, t1 X- P/ O
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。" l0 `2 }3 c3 B% W
: m' P# V3 a2 G5 ?
Config Server
9 N* M( A/ }3 X" Z 2 z* W. W8 n, |! w, ^) W+ S2 `; F
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。
4 D* R$ G! }* G
! W8 f( P' J+ Q. r" [* ] 每一个config server都包括了MongoDB中所有chunk的信息。
0 q% B2 P- C3 x+ N! V& \) r4 [* G. E9 |' ] E 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。* {" z9 n/ m" ? b7 I! H
0 B# o: U7 P+ k! \. C# _
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。6 l. [- @7 {6 A0 _ P. \
9 c( X! W5 T7 L* T$ [ 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。
% m' w2 H/ q3 W9 ~5 @
6 z' n$ t6 j9 d/ w+ {Mongos
- }% E9 `: K( ?: N+ f, y6 j' F" @" R f8 h; e
用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。9 H, w/ g0 G6 }7 [: R% l2 @: s
6 i7 y6 R$ P* k' P, C7 r2 C$ I
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。 ]! [1 l4 v( {% Q s# y
% n- w/ g$ p2 [8 j
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。% Z, W% |. V0 v q2 V
& @ k) k' c4 f# }) 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。* ~- \0 K J" R; H9 m+ `
6 F2 e# x, B; W& O0 Q 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。
, Q, ]" G7 X/ T5 f- }0 B2 X
# w. d2 E3 u: G$ p8 L
( j' P8 D( ]* {4 D) r9 g& q- FReference,
. n5 E/ P9 H; c. H4 f0 l
3 l, b& ^7 t+ w" s$ p9 G[0] Architectural Overview+ S# ` H6 Q1 B7 a& ~
http://www.mongodb.org/display/DOCS/Sharding+Introduction
2 X/ ^0 \. ?7 v3 o9 Q |
评分
-
查看全部评分
|