|
|
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。
6 A) W5 _7 j6 o* m r$ t2 E# {
8 g+ j' Z0 `! H: g2 b" a% z1 U o 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？
: o7 q# L* v0 @* _+ s% O8 h# |
7 I8 r. J' X& o. H4 W+ f5 X 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。' L& H; Y- p; y% P4 h" \$ V! j2 L
" j4 P* D+ }2 e4 z6 \
% ~' u1 P1 i3 \
6 V4 K" @7 E3 B% d9 y图1-1 MongoDB架构图 4 u5 s g: u. ^, f6 t
( I' s F! ]( ^/ a
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）。
) d$ s1 z* a' A# t
6 _8 E5 G: e9 Q8 fShards
8 k S" Y& a/ v- s! \. X1 I" b$ N
% W0 x, k: p( g- F 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。1 c) I; S l9 K& b1 e" P5 u' ?0 J
3 o: w b7 ~) }1 n/ a
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）。
, A9 B& b* ? n& L7 H6 p: u3 _1 Z2 T; 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。
: N5 x$ n# y2 S- w: y4 o/ _" P* z/ G( V. N
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。3 p/ O1 \& j% I: q8 M! u5 a
3 p& J* V9 R: n% B; G( f; K: D
Shard keys
2 l0 Z" [! h+ ?5 H& F2 I! n# I 0 f6 g5 k: U0 ]1 ?9 h: W
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。
7 B1 m* @" j, E/ R, J7 Z; M" b9 I8 [4 [
: o% {* b, ~& ? 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 @9 v+ q0 i7 A+ c: `: h+ l0 P4 _# P" j
{
, ` J) v* X. @2 F "ISBN": "987-30-3652-5130-82",
! K; x Q- i! c3 V7 f& C# b "Type": "CD",9 Q! Y4 k( k' h/ }6 d
"Author": "Nirvana",
; w7 @9 v3 W& | _* G; s "Title": "Nevermind",6 h; I3 H4 z/ Q8 J( g9 x/ P6 h
"Genre": "Grunge",+ d2 g' y/ v J7 ~: a
"Releasedate": "1991.09.24",
' x6 U+ j- v/ {' k" l5 j5 d "Tracklist": [
' N' ?/ ~8 L; K8 C {$ H* s; O9 N! b( Y2 B1 _
"Track" : "1"," [# y9 l4 a9 Z3 D
"Title" : "Smells like teen spirit",
% W1 |! N# u2 y3 G "Length" : "5:02"& _. n3 g, s1 @' `- a
},
1 s- ^& m5 {# B5 J8 H/ P' X! l9 ] {2 Q! X; ]# k& u: H/ u
"Track" : "2",
) G) W- z3 E A* U& Q! V "Title" : "In Bloom",
0 a, O w+ h* p5 d* r/ O "Length" : "4:15"
- M8 t7 d6 Z3 a& Q, I5 J& i4 j3 @% c }( @- f" y5 x& r2 `9 b p+ r# u
]- `2 E* _' v5 r6 @+ g' f5 ?# L
}
: f) z# N6 R2 T) I' e' R
: ^! ]- k0 q" p9 t7 M, p{! b6 V3 ?; B1 A, E( c1 e+ [+ d% c
"ISBN": "987-1-4302-3051-9",
. G5 r1 s3 j: Q& U% B0 C' u/ C "Type": "Book",
* b9 j( u1 v5 F1 E; x "Title": "Definite Guide to MongoDB: The NoSQL Database",
, P( M; P$ p( C, J "Publisher": "Apress", K6 q0 s4 [" E! N9 p: h1 |) z: ^( I
"Author": " Eelco Plugge",5 ]2 T3 h" r+ j, b2 [
"Releasedate": "2011.06.09"
9 b. _; m- e' v9 D. A. A}5 O) j" p' m, |/ s) P% _4 O- e
' T. T) O' V# B- Z 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。
1 u; L4 h6 T' F0 d9 M2 [
9 ?" p0 i6 r6 h8 w 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。
9 m# r Q) J0 c( i6 L* m
* q3 b( N( d( f5 v5 H5 V. S 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。
$ u6 P K) ?1 t# J8 E4 @/ l7 N4 H5 n+ r
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。" v. G1 u# o, `* \: a2 B, n
- w9 M5 i& j* u 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”。
. i- p) S; U) S- L4 i
$ H& r3 x& p: F% E( J( eChunks
, [) ]& P5 Q/ w' v H9 | 1 A3 }( s; E4 E# R
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 O: J1 M7 f: s
* D& y0 I' t# t7 Q. U* V
" n3 B, ~6 D- A6 C2 r9 {$ b图1-2 chunk的三元组 , `6 s5 d5 V/ F" Y" P V# A* Q' D) |& Z
2 C* x8 v$ K6 @0 X! f- f- u
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。
$ d: }6 h- e; S3 R5 p) Y0 |2 t' J6 Q- 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。! [+ f5 z4 e: U! D; F u, N' f
: u6 k+ i& r7 j
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。
/ g! m+ r/ W0 B T v: w" d0 T
- T! q* g4 D j& T( T 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。) J/ @9 n5 q9 p3 r/ k; a, B
1 d: `% G; d; D: o& l
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' k. C4 i- o% k7 k, a% F8 P- f7 O0 o9 J; v8 d1 f
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。3 @2 t8 I" z* i
" T) m X' u7 D* P6 M8 JReplica set
, D7 X' Y( t7 g# B, |
) P0 \8 w* X, T I" z0 U8 M 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。, I L1 ~; X/ ]' J# e
. l5 s, z6 g% A% |( P' j( ^
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。' n R3 y5 {% J0 M4 D8 q5 F- |* Y
?5 Y8 ^6 I; f+ p4 a! q! ?% G
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。9 k0 s0 o; a) H
( \+ U5 \3 m( W f3 R1 ]$ 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。6 M. f6 O; Z7 I2 H0 J: ^
* _* J7 e# C+ {/ U$ ~6 x! S# k+ G) ^Config Server
3 r3 K/ Y# V& F" H" A" s6 q ' P9 |, }' U4 Q K
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。; J4 O' b4 Y: g# h5 W
- [7 J. O3 D# `$ {+ X
每一个config server都包括了MongoDB中所有chunk的信息。
' f) n- R0 t6 p9 W+ r; ~: q# M+ S! J5 q H
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 B4 ^" n5 g4 }! X1 e7 C2 q( |
" T4 [; M' ?* d3 @, y) Z 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 G* B, L" n6 d3 S% Y9 z
, @3 C- Z- ^' u" w 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。" c! t# |/ n' v* f
, m0 g5 c$ W0 e) @/ \ c2 mMongos
! V _ U7 M+ L+ I8 z7 X) N6 y K4 s- h4 d5 P# G- I. i' z- o
用户使用MongoDB 时，用户的操作请求，全部由mongos来转发。
3 ~5 ~1 I. x) @# j: K' I8 s8 b) h3 w }9 s/ U) l7 a4 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。" a0 L. K* J5 |) k
# c2 U8 J5 ]8 }) R7 c: K! Z
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。
/ v/ \+ H( @0 ?2 G% J+ ?/ f
! ~- l- o/ S m. x2 r9 M8 i 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。3 G7 l* y) U& x+ x
$ b, b" [1 t( T
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。
7 c# d2 K' A7 ?7 k7 f$ C) z. o0 d8 q! K% @* \
0 E+ s- j# G7 S I
Reference，& u/ u" v) x& H- A
; D+ q- n+ p# l1 c[0] Architectural Overview1 c7 g2 h3 C$ }9 s- U* Q
http://www.mongodb.org/display/DOCS/Sharding+Introduction- g) a, H8 H t8 E- [& ~
|
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。
+ R. N& G6 c1 W7 t p; r7 ?' u- b