MongoDB分片原理篇

formatuu

MongoDB分片
为什么需要Sharded cluster？
　　MongoDB目前3大核心优势：『灵活模式』+ 『高可用性』 + 『可扩展性』，通过json文档来实现灵活模式，通过复制集来保证高可用，通过Sharded cluster来保证可扩展性。
　　何时使用分片技术

　　存储容量需求超出单机磁盘容量
　　活跃的数据集超出单机内存容量，导致很多请求都要从磁盘读取数据，影响性能
　　写IOPS超出单个MongoDB节点的写服务能力

　　分片技术，使得集合中的数据分散到多个分片集中。使得MongoDB具备横向的发展。
Sharded cluster 分片架构
　　Sharded cluster由Shard、Mongos和Config server 3个组件构成。

　　Mongos是Sharded cluster的访问入口，
　　Mongos本身并不持久化数据，Sharded cluster所有的元数据都会存储到Config Server
　　而用户的数据则会分散存储到各个shard。Mongos启动后，会从config server加载元数据，开始提供服务，将用户的请求正确路由到对应的Shard。
数据分布策略
　　分片支持单个集合的数据分散在多个分片上。目前主要有两种数据分片的策略。

• 范围分片（Range based sharding）
  
• hash分片（Hash based sharding）
  

范围分片

　　如图，集合是根据字段来进行分片。根据字段的范围不同将一个集合的数据存储在不同的分片中。
　　在同一个Shard上，每个Shard可以存储很多个chunk，chunk存储在哪个shard的信息会存储在Config server种，mongos也会根据各个shard上的chunk的数量来自动做负载均衡。
　　范围分片适合满足在一定范围内的查找，例如查找X的值在【100-200】之间的数据，mongo 路由根据Config server中存储的元数据，可以直接定位到指定的shard的Chunk中
　　缺点 如果shardkey有明显递增（或者递减）趋势，则新插入的文档多会分布到同一个chunk，无法扩展写的能力
Hash分片
　　Hash分片是根据用户的shard key计算hash值（64bit整型），根据hash值按照『范围分片』的策略将文档分布到不同的chunk

　　优点Hash分片与范围分片互补，能将文档随机的分散到各个chunk，充分的扩展写能力，弥补了范围分片的不足，
　　缺点但不能高效的服务范围查询，所有的范围查询要分发到后端所有的Shard才能找出满足条件的文档。
合理的选择shard key
　　选择shard key时，要根据业务的需求及『范围分片』和『Hash分片』2种方式的优缺点合理选择，要根据字段的实际原因对数据进行分片，否则会产生过大的Chunk
Mongos
　　Mongos作为Sharded cluster的访问入口，所有的请求都由mongos来路由、分发、合并，这些动作对客户端driver透明，用户连接mongos就像连接mongod一样使用。
查询请求

• 查询请求不包含shard key，则必须将查询分发到所有的shard，然后合并查询结果返回给客户端
  
• 　　查询请求包含shard key，则直接根据shard key计算出需要查询的chunk，向对应的shard发送查询请求
  写请求
  　　写操作必须包含shard key，mongos根据shard key算出文档应该存储到哪个chunk，然后将写请求发送到chunk所在的shard。
  更新/删除请求
  　　更新、删除请求的查询条件必须包含shard key或者_id，如果是包含shard key，则直接路由到指定的chunk，如果只包含_id，则需将请求发送至所有的shard。
  其他命令请求
  Config Server
  config database
  　　Config server存储Sharded cluster的所有元数据，所有的元数据都存储在config数据库
  　　Config Server可部署为一个独立的复制集，极大的方便了Sharded cluster的运维管理。
  config.shards
  　　config.shards集合存储各个Shard的信息，可通过addShard、removeShard命令来动态的从Sharded cluster里增加或移除shard
  config.databases
  　　config.databases集合存储所有数据库的信息，包括DB是否开启分片，primary shard信息，对于数据库内没有开启分片的集合，所有的数据都会存储在数据库的primary shard上。
  config.colletions
  　　数据分片是针对集合维度的，某个数据库开启分片功能后，如果需要让其中的集合分片存储，则需调用shardCollection命令来针对集合开启分片。
  config.chunks
  　　集合分片开启后，默认会创建一个新的chunk，shard key取值[minKey, maxKey]内的文档（即所有的文档）都会存储到这个chunk。当使用Hash分片策略时，也可以预先创建多个chunk，以减少chunk的迁移。
  config.settings
  
  　　config.settings集合里主要存储sharded cluster的配置信息，比如chunk>其他集合
  
• config.tags主要存储sharding cluster标签（tag）相关的你洗
  
• config.changelog主要存储sharding cluster里的所有变更操作，比如balancer迁移chunk的动作就会记录到changelog里
  
• config.mongos存储当前集群所有mongos的信息
  
• 　　config.locks存储锁相关的信息，对某个集合进行操作时，比如moveChunk，需要先获取锁，避免多个mongos同时迁移同一个集合的chunk。