|
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 g1 k' O$ o- O2 y. K4 M& G/ y& v
( n @8 k9 i& W9 A: H0 T2 O/ e 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?. [, y2 U$ {; j! j7 l9 d# A
0 ^# Y/ X0 j* J+ G" h
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。
" }: t ^( p( E3 L( }- m' ]8 y' D" @6 @5 h# p, U U* r4 \- K9 C
U o h- `0 [6 g
3 w4 z4 H% D0 ]4 {5 y0 L图1-1 MongoDB架构图
% y/ _% o: y6 N+ v1 ^& o; m+ D# d" D, z! j. J% o
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)。( v& [8 N+ A$ [( A" E( W1 m% \% G
0 W W: S/ r% L
Shards
: t) V5 r- g( h3 ]3 w
9 S* ^+ Y9 T- ?9 ` 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。' V$ d, {7 J& K' @
# e1 h- Z* u( ?# 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)。
3 E% n& B1 E: u0 `% l4 H( \4 S7 M1 n. t9 C. Q' @3 E7 k% V# j# w, ]1 c
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。6 |8 u( Y! y4 ^5 I+ c
$ u& l' r9 l9 G1 P! f4 c; P
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。7 P: A0 k, W9 O) A
# A; \/ M: X* y' I' e' [3 A% l% y8 g
Shard keys
s2 z2 b) o' \+ a; g
7 h7 y; o e# Q: i2 { 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。
f4 S+ U K! Z0 y8 U6 n3 n% i9 U- d# L
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,
; e( d2 n3 q( J+ J! o; @/ v6 I* i1 P# S
{
/ v/ O8 ?3 X' L4 T/ Q "ISBN": "987-30-3652-5130-82",5 g, k% ?/ F1 b+ G- d
"Type": "CD",
% {: {8 X' c4 s0 K9 F2 O$ Z6 v8 ~ "Author": "Nirvana",2 p, C1 T& f$ _3 Y
"Title": "Nevermind",: I, F2 ]$ y. y* k/ T# ^
"Genre": "Grunge",
+ {) Q$ y. X. t9 |! }% ? "Releasedate": "1991.09.24",$ Q' {! Y' v4 z
"Tracklist": [8 X- s" W8 L3 ]. D) d9 x: O7 Z ?
{
( j# G2 Z' d+ C b& z3 B' \0 q& L "Track" : "1",8 m% }' }& G4 m& B2 z/ b0 \
"Title" : "Smells like teen spirit",! ?0 y; v& `) t& @) n) a, u+ y
"Length" : "5:02"' ^! {: D; T {
},* r. _2 w$ J- U$ L( Y8 V2 a
{; G5 D+ u8 j, W
"Track" : "2",
$ E" u7 O9 {1 c7 |2 p& G "Title" : "In Bloom",
3 P9 N8 I; Z/ G9 M S "Length" : "4:15"
# r) N! R7 x f; q }8 h; M- r7 O3 }1 o. g
]& h( [& g9 \) A- \+ v( D( Y
}5 X6 ~% I2 j2 G. ~$ F$ T, p& l. }
# H8 r4 M' E S4 l6 i
{
) X! z- T" i$ x" O& X# c: b "ISBN": "987-1-4302-3051-9",
; M+ Q2 W1 ]1 ]- L8 @ "Type": "Book",
5 I' F# ~5 k$ m1 F/ h) F "Title": "Definite Guide to MongoDB: The NoSQL Database",
! S1 O5 Q9 z% i- J! ^9 s$ A "Publisher": "Apress",
: e6 g" v, \5 Z1 d "Author": " Eelco Plugge",) j% D% x) x6 m |% ?1 _
"Releasedate": "2011.06.09"6 q" s8 A, q$ z1 M. f
}6 [) ?3 A4 E5 m8 T) ^. k
0 I# z7 @& k6 u( Y& }; F 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。
- ~: H4 M6 X3 t! K$ s
% i+ |0 |( ?! X9 {# ]: r7 h 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。! F( P/ b, l& @. a5 q5 C
) B) B' g1 u" g& z- R6 s. L
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。
& b6 T- l$ b# l, F1 x8 r% U9 L
% V3 b& R2 F5 \4 b1 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。' {0 W+ z7 s3 R+ }, t; z4 o- @% I
' M: p2 F5 i) p9 U& N
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”。
2 _: j7 J' D/ X; ]
; a: Z) Q# ]3 w9 G! S( CChunks
* z# v( Q6 \; n# J5 i & f' u" x: _* X" }3 e& z
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。
8 ?* u0 ~1 R6 ^: T- \) ^/ {" h) A6 v8 Q6 p; _! g W! q+ a
8 ~& t& w w$ l8 `图1-2 chunk的三元组 d% Q: L! r( y( L0 _; e
H. j8 ~3 C4 c! v 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。
! `9 f8 z" {; m* \) ?; m2 h1 H- x* \& P$ s
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。
/ `$ B4 g1 [- Z* Z" N) r9 U9 w8 [4 w+ w0 W4 ?' G! G
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。 e* |) a' G7 Z3 x; P+ z3 a* Z3 N/ T
2 x' c- E) c0 d/ r( [
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。
9 J7 U( q U0 g" F; p0 Q( L# \/ s* ~' W% ~
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。
7 m! C6 [- n' s: [: ?/ E
" M" Q" d' u9 c 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。
$ t7 V- L3 i4 q$ i/ ~: _& |! Y' S' t* P; G4 B- u3 j7 z
Replica set$ { p, W. m" s5 G, {: h2 I' K
! ~7 m( v) Q, W1 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。. o W/ y, [ I& e, Q$ w: Q
0 t- x# h, B% w H1 P. W, 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。0 y; c5 v; @1 s! ~, z8 X
. l: r: t D( F 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。
; c$ T" t! u. t j
2 M+ e* v) X& Y. | 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。& O+ V# a. E6 i# v' Z u+ ]
; y& N) @0 D; X5 ~Config Server
5 Z4 O2 N h) T" ]
: b$ M) t7 P, V6 I8 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。4 H; S- R5 l: Z& W# q7 a5 ^) k
5 h% V) _# X; u8 y4 t+ G
每一个config server都包括了MongoDB中所有chunk的信息。
" n9 s' z# p2 H1 z
0 r; {5 h7 b/ W& 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。
0 O+ n$ |& c' t% ] {9 P' a5 n' `+ y, K! d
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。) n- ]4 [. r" s8 d# F; x( L4 T
/ S& Y- }, x) r+ W2 w3 G+ G, g& J
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。
4 c! w6 j0 Z: v9 I, z" C: w) @ j1 o6 ~. O3 B0 Y+ o J# r$ j
Mongos1 o, c( A# K, D# F* K7 l! o
- K4 v/ s% [# F 用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。, S8 t7 m( Q, G) t# H
6 D: z4 t. v2 K7 D 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。
* I& \- A0 C) a" B7 Y4 ]; h3 s& F* i* D! 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。1 T3 \, i5 E q8 L% _+ W; h# Z
& R" t, H5 O( N1 p# v/ \2 z
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。 _; D; }3 d8 ]* k$ Y* q5 {
' @7 @2 h* ?3 }1 ~2 G+ N; ?- \
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。. V8 ]! N( \; h, `. e) a. X2 ]
/ z+ ~4 I5 T/ Z3 @9 x; i- k7 C. J% e
( G! l5 q0 }3 w% XReference,. }( e9 X/ ^8 U7 N7 Q
6 i* F0 z) n/ _7 P
[0] Architectural Overview% U4 U% u- V$ R6 E2 ~* A0 g H5 E
http://www.mongodb.org/display/DOCS/Sharding+Introduction
% [9 G/ E9 `7 X4 z |
评分
-
查看全部评分
|