|
|
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。
: j2 f2 Y; ?' g
" `$ t3 e9 r/ Z3 b 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？% n9 W6 a) ~3 V, d8 x3 N+ ]
2 W: v7 U( x' 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。
, K! ]! p, `+ G4 G2 u+ S& e6 L0 B, C% n& P2 ~
: L# t. B$ q0 p% n4 d* x* g
7 J# ^* w1 L2 }. `图1-1 MongoDB架构图 : l7 w p [- Z
+ P. z [8 \3 H# b" S2 K% h 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）。
/ \% f/ L6 w( T, e& E1 h& R6 i+ x2 ^ Q& D7 F* [! ]. N
Shards
1 s7 j3 U, E+ A1 z/ r2 |4 f
8 N- i7 o, ^& Z9 E6 y* r4 v& o 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。) y/ E/ ^9 |1 j) m' X
. I2 U- {% F5 I- `/ b/ i( p2 s
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）。. m% W8 T6 | a; D" e6 V
; ]4 P/ F- e1 X2 M4 V0 ? 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。
$ X( `( w& `) Q: c. \
8 b# L. i* F: @, T1 @1 l 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。# `0 y0 A+ I% U# L' A) e
0 \2 Q: f9 t6 l1 g! k! {7 GShard keys' E' r; s: z, o, d4 o
: o' u! c2 \5 s' T
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。
8 Y1 Y; B+ w2 h: x* z' M3 b# w8 Y7 M9 q4 E$ o8 E0 B1 U
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，
0 y+ Z5 h' R6 { ]
! P7 P5 q# f7 i( w6 l+ G{ @# F, H& f3 s7 ?7 p Z; G7 U ?
"ISBN": "987-30-3652-5130-82",
J& G. q! M6 C; v5 I9 o0 g& x "Type": "CD",
$ `/ j) f" V& b1 a' i/ Q "Author": "Nirvana",
) |' Q) Q* j- X6 j$ q0 ]- q "Title": "Nevermind",5 Q) _4 K* z. x: j
"Genre": "Grunge",# \' S2 B7 r' P! Y, H6 S4 r
"Releasedate": "1991.09.24",4 S9 `$ @/ g2 F6 `7 j8 R
"Tracklist": [
# z0 u! i l% L# s8 f. G {
' M2 W( `% t4 @) R3 t: a# I1 ? "Track" : "1", P- R- c$ L; O: l
"Title" : "Smells like teen spirit",; ]% A s" B' b L4 T) C# r% Y. ]
"Length" : "5:02"; P8 A: {4 T- Q+ Z; w
},
8 @0 e$ Q" u: B+ H( d' b {: L, o; z! G/ g+ x+ X' H
"Track" : "2",
. b& V( t! h* t6 Y6 g0 { "Title" : "In Bloom",4 N. u+ A- s t
"Length" : "4:15": O; a9 h' f) U5 ^) Z; Q% ]
}) }5 H3 y- |! K, T2 F, }/ Y7 j, S
]
7 n( G1 c! y6 k+ T}; m, Y7 x! A3 W
# M: c/ Y' p& }
{( g z3 k) N# |/ ?
"ISBN": "987-1-4302-3051-9",
# U: }9 [' M/ M# W% W "Type": "Book",
# f! K- S6 E$ L( r- l5 t) k7 g "Title": "Definite Guide to MongoDB: The NoSQL Database",( o- k" Q+ P# y6 M" Q. H2 e
"Publisher": "Apress",
6 N% h4 B E) f! z+ F8 v% G "Author": " Eelco Plugge", g! y- M/ j- I3 C
"Releasedate": "2011.06.09"
1 V6 k5 j' c2 X, |8 x}
; w- r" z/ |- W& l( g. t
3 o" _! A7 Q8 v# I 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。
0 J. Q' V ?. j5 U8 z8 T
- g; Q! }/ a5 R; M8 X. J 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! n0 H( N+ ~, b2 H6 O ^
& [' y/ Q+ H) M% Y- @7 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。
' ^$ C' Q/ Y/ P3 L) B i$ {5 Q7 C: A& Z4 I
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。
, b* e Y8 G# L; H
, @1 _. C2 n6 r; ?5 T, ^& s; c 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”。) D( e4 A) j* }+ d
. S, l+ H1 M" @) j. t2 ?2 hChunks
" v2 k5 J! W5 C# B' A% E ( {. ?4 ~6 { G+ s1 q
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。
3 L: W( I5 v' r$ e& B5 f, }- A
3 {- }3 i) k3 ?
f6 J, P, v7 C图1-2 chunk的三元组 % [; k, P. \8 ~' N6 x4 w! r ~
8 \) R8 S6 J0 [% c
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。* X) W& _' [: a: k5 {/ W# C/ O
' V3 h6 a+ f; r ]' W$ d; d- S" K 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。* a/ d& R1 L& `; F3 A
. }$ `3 C# A% U& c. P7 d
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。
, U. b% H6 z0 ]0 K5 u: ]! q; D: w5 n) d/ m5 l
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。
7 w' l8 a- S5 y, J9 Z- g2 q n5 _+ m! I; w1 K0 q4 W1 q
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。
! f, E* _ k% Y
) R) L$ ^- t1 z1 p7 t# \ 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。. R" d: Z& j* M+ ~, D B
T, v2 ^9 b( ?4 T4 C0 lReplica set
: f& L- d) m( b- l 9 t. K1 i3 D# M
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。! o6 o6 c5 k ^# z6 w& ~
* c: ^7 a+ N& |
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。
" y1 ~: ?+ Z, ]) a( @1 F s8 O4 k
' |# j. t: @, y/ v6 H7 g& R; @% ] 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。
5 K/ n3 D) @3 n) ^0 V/ {) `
$ R# g1 S: n- ^0 X7 a, w 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。' f$ B3 p1 n2 i8 R# b$ K
* ^! f1 C! X; H# L7 rConfig Server0 B7 Y# Q! q% f/ R6 ^
) a8 g' F7 G+ N 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。
8 }: S3 F( b+ l' {: c
5 p* `, g" b) ?& L( j3 w 每一个config server都包括了MongoDB中所有chunk的信息。
6 d7 b5 p4 Y- }: z$ r1 i2 e" m/ k0 P, e
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 V8 U! T( D- [4 |3 @
' K5 K4 l) W3 B& 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。
3 J+ S* k5 ]" r0 _
$ x0 E% w- S- y- R2 E& V 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。% y) Y3 y) T; D! |0 S- ^+ k7 n- F
# s, ?: o8 k- ~
Mongos
- D6 z+ ~# J0 s) ?% F8 z. x
) L7 |( l9 @2 A S 用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。- ~4 e0 S* y A. u; x- V- v) t
" m& ~7 S/ I! o* Y, L 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。
3 F) G" L$ x5 g4 T! x" h3 }
! A% m; M. l2 e# ~( Q& D* d2 z9 O. s 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。
% }; Z5 W- D* h& C; S$ @6 r" a: e: g; j
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。: l6 i, i$ x9 G( @
8 k& r/ k4 N. W* c3 c) S" p- R
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。2 q2 q1 D7 ^- u+ U; L
Y% s2 R- ^) h: T: U C, l! N& Y, S5 J4 _
Reference，" O1 X* e. L1 B: J* B
, d4 |( x1 J: \! ~# {2 I
[0] Architectural Overview0 ?! [, j L2 |2 y0 N
http://www.mongodb.org/display/DOCS/Sharding+Introduction( U" t: x6 x0 d& q3 n- V
|
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。
