MongoDB之Shard初步认识

最新推荐文章于 2022-09-15 15:48:13 发布

转载最新推荐文章于 2022-09-15 15:48:13 发布 · 3.4k 阅读

文章标签：

#mongo #解决方案

数据库专栏收录该内容

47 篇文章

订阅专栏

本文介绍了MongoDB分片的概念、应用场景、组成部分以及分片的具体实现流程。深入探讨了shard服务器、配置服务器和路由进程的作用，并讲解了shardKey、chunks、平衡分片等关键技术。

准备工作

1、什么是shard

副本集实现了网站的安全备份和故障的无缝转移，但是并不能实现数据的大容量存储，MongoDB实现的是分布式部署，把数据保存到其他机器上。实现这一过程的就是分片。

2、什么时候需要分片

a) 用光了当前机器的磁盘空间

b) 单个的Mongod已经无法提供你要的写入性能了

c) 需要把大部分数据驻留在内存中籍此来提供更好的性能

3、分片需要的三个部分

a) shard服务器(Shard Server)。Shard服务器是存储实际数据的分片，每个Shard可以是一个mongod实例，也可以是一组mongod实例构成的Replica Sets。MongoDB官方建议每个Shard为一组Replica Sets（结合了Master/Slave模式与自动数据容错、自动恢复的综合体，结构如下图）。

b) 配置服务器(Config Server)。它存储了所有Shard节点的配置信息，每个chunk的Shard key范围，chunk在各Shard的分布情况以及集群中所有DB和collection的Shard配置信息。

c) 路由进程(Route Process)。一个前端路由，客户端由此接入，首先询问配置服务器需要到那个Shard上查询或保存记录，然后连接相应Shard执行操作，最后将结果返回客户端。（类似于网络中路由器的功能）

4、未分片和分片Client反问mongod 的区别如下图。

未分片客户端的连接分片后客户端的连接

5、 Shard Keys

MongoDB主要根据Shard Keys来划分数据，Shard Keys可以由文档的一个或者多个物理键值组成，对于分片Key的选定直接决定了集群中数据分布是否均衡、集群性能是否合理。

配置命令（参考《MongoDB:The Definiive Guide》,以及官网上的《MongoDB Manual》,http://docs.mongodb.org/manual/MongoDB-Manual.pdf）

一．整体架构

说明：

1. 由于config servers非常重要，建议使用3个config servers，但是可以只是用一个config servers。

2. 一个较好的Auto Sharding解决方案是将每个一shard（分片）定为一个Replica Sets（复制集）。一个Replica Sets由若干个mongod instance组成，在这个集合中，所有的instance的数据相同，这使得即使有某一台机子当掉了，其它机子还是可以正常运行，而且这部分的控制是由Mongo自动完成的，因而尽可能地减少了因当机而产生的错误及人工处理的部分。而Sharding是可以将庞大的数据库拆分为几个部分分别发放到每一个shard，一来降低了单一一台服务器的压力，同时通过减少潜在的损失比例来提高效率。也就是说一个基于Replica Sets的Auto Sharding结构，可以把一个完整而且庞大的数据库根据个人定制，拆分到若干个服务器集合，每个服务器集合中的服务器群又相互保持数据同步，所以除非一个服务器集合中的所有服务器都当掉了，否则某台或几台的当机对数据库的影响是微忽其微的。

3. 一个完整的Auto Sharding功能的实现需要用到mongod和mongos，其中mongos作为真正的应用接口，数据的输入输出都应经过它。然后还需要一个或多个config server（建议是三个），它是mongod，但它不会用来存储应用程序的数据库，通俗的来说而是存放了这整个结构的配置属性，mongos会从config server中读取配置来进行工作。最后是真正会存储数据的mongod们，它们按组分为若干个Replica Sets，用来存放mongos拆分下来的各个sharding。

4. Config服务器存储着集群的metadata信息，包括每个服务器，每个shard的基本信息和chunk（后面介绍）信息Config服务器主要存储的是chunk信息。每一个config服务器都复制了完整的chunk信息。

5. Set up a Sharded Cluster（一开始就允许shard）的步骤。详细命令介绍参考
（http://docs.mongodb.org/manual/administration/sharding/#list-databases-with-sharding-enabled）

a) Create data directories for each of the three config server instances.

b) Start the three config server instances.

c) Start a mongos instance.

d) Connect to one of the mongos instances.

e) Add shards to the cluster.

f) Enable sharding for each database you want to shard.OR Enable sharding on a per-collection basis.

二． Mongos

说明：

1. mongos作为真正的应用接口，数据的输入输出都应经过它。

2. 另外，mongos还有平衡shard的功能（后面介绍）；

三． shardKey

说明：

1. 命令：{ shardCollection: "<db>.<collection>", key: { "<shardkey>": 1 } }

2. MongoDB主要根据Shard Keys来划分数据，Shard Keys可以由文档的一个或者多个物理键值组成，对于分片Key的选定直接决定了集群中数据分布是否均衡、集群性能是否合理。

四． Chunks

说明：

1. Chunk是一个来自特殊集合中的一个数据范围，（collection，minKey，maxKey）描叙一个chunk，它介于minKey和maxKey范围之间。例如chunks 的maxsize（默认值是64M）大小是100M，如果一个文件达到或超过这个范围时，会被切分到2个新的chunks中。当一个shard的数据过量时，chunks将会被迁移到其他的shards上。同样，chunks也可以迁移到其他的shards上。

2. Chunk包括了Shard Key取值在minKey和maxKey之间一组文档集合，但Chunk并不存放实际数据。整个MongoDB的chunk元信息存放在config数据库的chunks Colecttion中。

3. 当Chunk的大小达到maxsizeMongoDB会根据minKey和maxKey的一个中间值将一个Chunk分裂（Split）为两个Chunk，分裂完毕后，MongoDB会根据各个Shard的负载情况，决定是否将新Chunk移动到其他Shard。

4. 常用命令参考
（http://docs.mongodb.org/manual/administration/sharding/#list-databases-with-sharding-enabled）

五． Balance Shard

说明：

1. shard don’t a range of chunks but a block of chunks which have a range of data by shardKey.

2. > db.runCommand( { addshard : "10.0.4.85:27020", allowLocal : 1, maxSize:2 , minKey:1, maxKey:10} ) (网上有人测试出shard1中数据超过10M也没有分片，暂时感觉还有些问题，找了很多资料也没有找到)

六． Routed Request

说明：

1. 命令到达mongos，mongos判断出了query指向某个shard，将命令直接指向该shard并得到results并返回给用户。

七． Scatter Gather

说明：

1. 命令到达mongos，比如说查询所有住在CA的说有用户，mongos判断出需要查询所有的shards，便将这个命令分散传达个每个shard，每个shard都得到相关的结果（并按照默认的shardKey进行排序）返回给mongos，mongos将所有shard返回的结果进行merge（也按照shardKey进行排序）返回给用户。

八． Distributed Merge Sort

说明：

1. 命令到达mongos，比如说查询所有住在CA的说有用户并按照用户名排序，mongos判断出需要查询所有的shards，便将这个命令分散传达个每个shard，每个shard都得到相关的结果并按照用户名排序返回给mongos，mongos将所有shard返回的结果进行merge（按照用户名排序）返回给用户。

九．操作命令