|
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 z+ z$ C4 H4 w u# G2 e0 D3 E$ H: ?4 C9 J9 _
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?
% w4 e6 _0 k, x- d( |( {# f& i7 s0 M6 M5 ?3 u( W" n
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。
0 W4 }3 j. z0 \$ p1 r
/ d4 r& Q; v. e" L& J7 u9 w/ Y5 r
* n8 s: z- ?1 c# V2 g$ e% d( Q
/ r1 U x6 L D. R. m图1-1 MongoDB架构图 $ @& B5 N4 J7 V6 b
& } f0 d9 z7 U" l
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" i: p7 T( N/ Q* U/ j0 O
+ k4 T. L: d- `6 pShards
2 l" H' s3 A; T1 @
0 T9 O2 B, w. D6 F" b7 I8 U 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。5 ?- U# ~# N: `! P- D3 d4 j
$ p1 c; {/ d5 D( [9 u
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)。; c' y) {6 b) }" t
( V' [# l9 y* g4 z% k
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 @/ d$ ?) R& c9 |9 X. ~( v
8 _0 r& C! f9 E8 R 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。
; V. g8 U" X! h2 b: O1 ?4 B% o% Z5 l) l3 e
Shard keys$ @5 M& [0 M# {
1 _: W7 v) G. t, J6 R
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。( A3 V: @& s; p
* C3 s, q& ~6 ?- s4 ~$ B; k' z1 D; 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,
3 z* J9 i) e' x+ u; m7 O1 Y
0 K+ e2 b6 q: z5 u( d{
) K6 _: I0 b& G5 V% f6 ] "ISBN": "987-30-3652-5130-82",/ }: B8 f; e$ C! p
"Type": "CD",
+ m; w( `- N' g( F. T "Author": "Nirvana",0 }% l- D. x$ f6 E
"Title": "Nevermind",
" `8 c1 K; d% R8 x/ i "Genre": "Grunge",7 X n5 T* a# m- q9 C- b m2 B U
"Releasedate": "1991.09.24",
5 P0 o b4 z5 A+ | "Tracklist": [3 K; z( F1 y) ?, Q: Q. l m% b9 T( I
{
2 V, q T+ ?7 z6 }- s "Track" : "1",
& K" ~3 x2 U7 I4 [) B2 S3 \3 Q "Title" : "Smells like teen spirit",
0 w' Y* A. a1 P3 J9 o "Length" : "5:02"0 T9 M& t8 Z6 `: e
},4 @1 N' m- `" I# B& H
{
( r P, j4 K$ H3 [% v) |0 P "Track" : "2",
3 h) t! h! N$ A0 y8 w: T1 y "Title" : "In Bloom",) H' ?9 R8 W8 J4 J; i ~
"Length" : "4:15"
7 p% o3 a& o, T( [6 I }1 b! m) D/ z7 ^4 i8 V) G& H
]+ ]# L4 i$ t/ k# A0 L0 B8 ~9 l
}. d3 d. w# Y6 r, ?3 K8 V7 C
8 H" j! Q$ a& U; Y' M. n @4 F{
% M* G! e: h- U; c7 h6 Y4 p "ISBN": "987-1-4302-3051-9",
i# C0 D2 k3 W1 a5 { "Type": "Book",/ R4 F, o- D# C) N b2 Q
"Title": "Definite Guide to MongoDB: The NoSQL Database",
6 Z' G1 T/ J) o8 W8 [" S "Publisher": "Apress",
! y- |5 Q' l- Y5 O: t Y$ x8 _% V "Author": " Eelco Plugge",
/ b9 J, K: M9 A1 \ "Releasedate": "2011.06.09"
7 R- L; h5 j" A7 K}
) T. t% [* G- R! Y2 n+ J9 _* z7 e/ o$ Y4 G
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。
! K, u& r: g& O8 p) s! r$ {' t1 @1 I5 i0 A/ S! m( ]. Q2 U& A
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。$ `2 M/ X/ e1 Q
2 W5 a( s3 Z2 s/ T" W. [9 n1 N
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。
5 i3 F _! ]" E
$ |, B9 R: s. Q4 ~ 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。
: D9 C& q* j* z% |& n/ _! B; |& V0 `4 e6 ?) A: x, Y6 M; b! e% [
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”。' e# A6 B4 m4 X# _7 o$ A0 {
6 @* R$ u6 I$ F* G8 ?& e
Chunks
% J) z) A2 V; k2 W) s0 [( B% b. {5 _; s 9 L2 n2 U3 |7 P! U; G
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。
1 R, Y; M) p0 h" x1 O$ w
`% m9 M% F9 B! }$ C7 N9 R8 @
. A! J8 M$ z6 n% W6 Z
图1-2 chunk的三元组
; ]2 @3 ^" J( I6 ~! D' ~/ ]
& I+ j- B, ~/ W7 H% z4 z4 [5 d 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。
( G/ `7 |. r$ B
& D b0 k3 C/ v; P* V# B 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。1 v$ Q4 @+ q4 t% c/ t; U3 d/ d; I1 Q
* ~/ d$ y6 l$ Z# Y" h V
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。: ^3 U4 v/ B. Z( e: V q( F; Q3 V
5 M) g( H$ I; R0 R6 R+ t! j- i' M. T; G 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。& D8 j, \* S& k' y' {0 z4 b8 ^
' W3 u- D! \# M/ ^/ k" 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。
# [/ z0 }4 f3 _5 ?$ K+ v
+ n% X$ R0 T! u Z; B' A$ y 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。
8 @! T/ F4 N" i' B. t8 H; S* B# g& a2 F: L/ D
Replica set3 y3 Z! K2 M+ O+ X. L' M9 U# A
9 z ?& {6 @. C/ O' ^
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。
. f- a3 T2 S9 f
- ]" n4 ^8 P1 @ 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。
2 J6 d/ l# U3 T( v* X" B* R0 h( h8 u! w# ~/ J9 \7 Z1 I% X
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 R8 u5 g) ~, F& d& [( _# ?# P8 e p
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。% L& `4 G! s0 [. G8 r }' ~* Z
2 @! X+ a- ~0 w. x$ @5 EConfig Server
6 c) n* Q5 q3 s- o' a- h3 ^% F- ^ 8 P# m- |, ^, L% T/ n! E
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。& Y% q! g4 B8 z% Y: Q ]
: m3 s5 I' Q2 ~5 t" B V
每一个config server都包括了MongoDB中所有chunk的信息。
+ I }9 R. `# J! K; a5 W
! v/ r- x6 X6 P: g: }5 c 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。
( l# j" B% e7 r& `1 r" H4 D9 o" n, M: |5 ?9 k2 w+ k
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。
4 `7 j( {3 e& y ?( B( x8 J# a1 z( h& W0 V! a9 B( Q
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。
/ J+ e# B0 P2 p# _( z
1 a9 g ?2 O3 f' b5 l+ nMongos
9 T. j+ a0 R9 {* t, v4 _
E+ v; @' R& e5 z8 E 用户使用MongoDB 时,用户的操作请求,全部由mongos来转发。: { S4 L, ]5 T2 T
! Q Q+ l. P9 [0 D6 S7 @7 S
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。. ?% \; _* i6 V7 ^8 `
/ V. a7 G8 H% k, J F" L
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。
( x$ |5 a3 I% C' n4 G3 @
, M/ r/ X' E& Q# N* L% 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。% J# B5 h2 g" E8 [
* k1 q3 Q# f2 P! Z# K G0 j& H 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。) r2 W* Y$ F0 B Y
; Q; z$ n& O/ e- H/ z
! b7 h+ L$ e E& b6 i2 c- KReference,
! u( c: U& f; P8 ~4 k
, L! b- L& d4 _: N3 \[0] Architectural Overview1 Z6 q& g$ C) u5 U% f
http://www.mongodb.org/display/DOCS/Sharding+Introduction
: C- j6 F9 z7 m' z2 P/ y2 U |
评分
-
查看全部评分
|