|
|
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
|
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。
