3種MongoDB的高可用架構(gòu)介紹

MongoDB 背景

MongoDB 是一款功能完善的分布式文檔數(shù)據(jù)庫(kù)，是一款非常出名的 NoSQL 數(shù)據(jù)庫(kù)。當(dāng)前國(guó)內(nèi)使用 Mongodb 的大型實(shí)踐越來(lái)越多，MongoDB 為我司提供了重要的數(shù)據(jù)庫(kù)存儲(chǔ)服務(wù)，支撐著每天近千萬(wàn)級(jí) QPS 峰值讀寫(xiě)，數(shù)萬(wàn)億級(jí)數(shù)據(jù)量存儲(chǔ)服務(wù)。

MongoDB 在高性能、動(dòng)態(tài)擴(kuò)縮容、高可用、易部署、易使用、海量數(shù)據(jù)存儲(chǔ)等方面擁有很大優(yōu)勢(shì)。近些年，MongoDB 在 DB-Engines 流行度排行榜穩(wěn)居榜單 Top5 ，且歷年得分是持續(xù)增長(zhǎng)的，具體如下圖所示：

DB-Engines 是一個(gè)對(duì)數(shù)據(jù)庫(kù)管理系統(tǒng)受歡迎程度進(jìn)行排名的網(wǎng)站。

排名分?jǐn)?shù)：

MongoDB 是 Top5 內(nèi)的唯一的非關(guān)系型數(shù)據(jù)庫(kù)。我們今天從比較高的層面來(lái)觀摩學(xué)習(xí)下 MongoDB 的幾種高可用架構(gòu)。通過(guò)觀察這幾種架構(gòu)我們甚至能體會(huì)到通用的分布式架構(gòu)的一個(gè)演進(jìn)方向。

高可用架構(gòu)

高可用性 HA（High Availability）指的是縮短因正常運(yùn)維或者非預(yù)期故障而導(dǎo)致的停機(jī)時(shí)間，提高系統(tǒng)可用性。

那么問(wèn)題來(lái)了，都說(shuō)自己的服務(wù)高可用，高可用能量化衡量嗎？能不能比出個(gè)高低呢？

可以，這里引出一個(gè) SLA 的概念。SLA 是 Service Level Agreement 的縮寫(xiě)，中文含義：服務(wù)等級(jí)協(xié)議。SLA 就是用來(lái)量化可用性的協(xié)議，在雙方認(rèn)可的前提條件下，服務(wù)提供商與用戶間定義的一種雙方認(rèn)可的協(xié)定。SLA 是判定服務(wù)質(zhì)量的重要指標(biāo)。

問(wèn)題來(lái)了，SLA 是怎么量化的？其實(shí)就是按照停服時(shí)間算的。怎么算的？舉個(gè)例子：

1 年 = 365 天 = 8760 小時(shí)

99.9 停服時(shí)間：8760 * 0.1% = 8760 * 0.001 = 8.76小時(shí)

99.99 停服時(shí)間：8760 * 0.0001 = 0.876 小時(shí) = 52.6 分鐘

99.999 停服時(shí)間：8760 * 0.00001 = 0.0876 小時(shí) = 5.26分鐘

也就是說(shuō)，如果一家公有云廠商提供對(duì)象存儲(chǔ)的服務(wù)，SLA 協(xié)議指明提供 5 個(gè) 9 的高可用服務(wù)，那就要保證一年的時(shí)間內(nèi)對(duì)象存儲(chǔ)的停服時(shí)間少于 5.26 分鐘，如果超過(guò)這個(gè)時(shí)間，就算違背了 SLA 協(xié)議，可以找公有云提出賠償。

說(shuō)回高可用的話題，大白話就是，無(wú)論出啥事都不能讓承載的業(yè)務(wù)受影響，這就是高可用。

前面我們說(shuō)過(guò)，無(wú)論是數(shù)據(jù)的高可靠，還是組件的高可用全都是一個(gè)解決方案：冗余。我們通過(guò)多個(gè)組件和備份導(dǎo)致對(duì)外提供一致性和不中斷的服務(wù)。冗余是根本，但是怎么來(lái)使用冗余則各有不同。

以下我們就按照不同的冗余處理策略，可以總結(jié)出 MongoDB 幾個(gè)特定的模式，這個(gè)也是通用性質(zhì)的架構(gòu)，在其他的分布式系統(tǒng)也是常見(jiàn)的。

我們從 Mongo 的三種高可用模式逐一介紹，這三種模式也代表了通用分布式系統(tǒng)下高可用架構(gòu)的進(jìn)化史，分別是 Master-Slave，Replica Set，Sharding 模式。

Master-Slave 模式

Mongodb 提供的第一種冗余策略就是 Master-Slave 策略，這個(gè)也是分布式系統(tǒng)最開(kāi)始的冗余策略，這種是一種熱備策略。

Master-Slave 架構(gòu)一般用于備份或者做讀寫(xiě)分離，一般是一主一從設(shè)計(jì)和一主多從設(shè)計(jì)。

Master-Slave 由主從角色構(gòu)成：

Master （ 主 ）

可讀可寫(xiě)，當(dāng)數(shù)據(jù)有修改的時(shí)候，會(huì)將 Oplog 同步到所有連接的Salve 上去。

Slave （ 從 ）

只讀，所有的 Slave 從 Master 同步數(shù)據(jù)，從節(jié)點(diǎn)與從節(jié)點(diǎn)之間不感知。

如圖：

通過(guò)上面的圖，這是一種典型的扇形結(jié)構(gòu)。

Master-Slave 對(duì)讀寫(xiě)分離的思考

Master 對(duì)外提供讀寫(xiě)服務(wù)，有多個(gè) Slave 節(jié)點(diǎn)的話，可以用 Slave 節(jié)點(diǎn)來(lái)提供讀服務(wù)的節(jié)點(diǎn)。

思考，這種讀寫(xiě)分離有什么問(wèn)題？

有一個(gè)不可逾越的問(wèn)題：數(shù)據(jù)不一致問(wèn)題。根本原因在于只有 Master 節(jié)點(diǎn)可以寫(xiě)，Slave 節(jié)點(diǎn)只能同步 Master 數(shù)據(jù)并對(duì)外提供讀服務(wù)，所以你會(huì)發(fā)現(xiàn)這個(gè)是一個(gè)異步的過(guò)程。

雖然最終數(shù)據(jù)會(huì)被 Slave 同步到，在數(shù)據(jù)完全一致之前，數(shù)據(jù)是不一致的，這個(gè)時(shí)候去 Slave 節(jié)點(diǎn)讀就會(huì)讀到舊的數(shù)據(jù)。所以，總結(jié)來(lái)說(shuō)：讀寫(xiě)分離的結(jié)構(gòu)只適合特定場(chǎng)景，對(duì)于必須需要數(shù)據(jù)強(qiáng)一致的場(chǎng)景是不合適這種讀寫(xiě)分離的。

Master-Slave 對(duì)容災(zāi)的思考

當(dāng) Master 節(jié)點(diǎn)出現(xiàn)故障的時(shí)候，由于 Slave 節(jié)點(diǎn)有備份數(shù)據(jù)，有數(shù)據(jù)就好辦呀。只要有數(shù)據(jù)還在，對(duì)用戶就有交代。這種 Master 故障的時(shí)候，可以通過(guò)人為 Check 和操作，手動(dòng)把 Slave 節(jié)點(diǎn)指定為 Master 節(jié)點(diǎn)，這樣又能對(duì)外提供服務(wù)了。

思考下這種模式有什么特點(diǎn)？

Master-Slave 只區(qū)分兩種角色：Master 節(jié)點(diǎn)，Slave 節(jié)點(diǎn)；

Master-Slave 的角色是靜態(tài)配置的，不能自動(dòng)切換角色，必須人為指定；

用戶只能寫(xiě) Master 節(jié)點(diǎn)，Slave 節(jié)點(diǎn)只能從 Master 拉數(shù)據(jù)；

還有一個(gè)關(guān)鍵點(diǎn)：Slave 節(jié)點(diǎn)只和 Master 通信，Slave 之間相互不感知，這種好處對(duì)于 Master 來(lái)說(shuō)優(yōu)點(diǎn)是非常輕量，缺點(diǎn)是：系統(tǒng)明顯存在單點(diǎn)，那么多 Slave 只能從 Master 拉數(shù)據(jù)，而無(wú)法提供自己的判斷；

以上特點(diǎn)存在什么問(wèn)題？

最大的第一個(gè)問(wèn)題就是可用性差。因?yàn)楹苋菀桌斫?，因?yàn)橹鞴?jié)點(diǎn)掛掉的時(shí)候，必須要人為操作處理，這里就是一個(gè)巨大的停服窗口；

Master-Slave 的現(xiàn)狀

MongoDB 3.6 起已不推薦使用主從模式，自 MongoDB 3.2 起，分片群集組件已棄用主從復(fù)制。因?yàn)?Master-Slave 其中 Master 宕機(jī)后不能自動(dòng)恢復(fù)，只能靠人為操作，可靠性也差，操作不當(dāng)就存在丟數(shù)據(jù)的風(fēng)險(xiǎn)。

怎么搭建 Master-Slave 模式？

啟動(dòng) Master 節(jié)點(diǎn)：

mongod --master --dbpath /data/masterdb/

關(guān)鍵參數(shù)：

--master ：指定為 Master 角色；

啟動(dòng) Slave 節(jié)點(diǎn)：

mongod --slave --source 《masterhostname》《：《port》》 --dbpath /data/slavedb/

關(guān)鍵參數(shù)：

--slave ：指定為 Slave 角色；

--source ：指定數(shù)據(jù)的復(fù)制來(lái)源，也就是 Master 的地址；

Replica Set 副本集模式

Replica Set 模式角色

Replica Set 是 mongod 的實(shí)例集合，包含三類(lèi)節(jié)點(diǎn)角色：

Primary（ 主節(jié)點(diǎn) ）

只有 Primary 是可讀可寫(xiě)的，Primary 接收所有的寫(xiě)請(qǐng)求，然后把數(shù)據(jù)同步到所有 Secondary 。一個(gè) Replica Set 只有一個(gè) Primary 節(jié)點(diǎn)，當(dāng) Primary 掛掉后，其他 Secondary 或者 Arbiter 節(jié)點(diǎn)會(huì)重新選舉出來(lái)一個(gè) Primary 節(jié)點(diǎn)，這樣就又可以提供服務(wù)了。

讀請(qǐng)求默認(rèn)是發(fā)到 Primary 節(jié)點(diǎn)處理，如果需要故意轉(zhuǎn)發(fā)到 Secondary 需要客戶端修改一下配置（注意：是客戶端配置，決策權(quán)在客戶端）。

那有人又會(huì)想了，這里也存在 Primary 和 Secondary 節(jié)點(diǎn)角色的分類(lèi)，豈不是也存在單點(diǎn)問(wèn)題？

這里和 Master-Slave 模式的最大區(qū)別在于，Primary 角色是通過(guò)整個(gè)集群共同選舉出來(lái)的，人人都可能成為 Primary ，人人最開(kāi)始只是 Secondary ，而這個(gè)選舉過(guò)程完全自動(dòng)，不需要人為參與。

Secondary（ 副本節(jié)點(diǎn) ）

數(shù)據(jù)副本節(jié)點(diǎn)，當(dāng)主節(jié)點(diǎn)掛掉的時(shí)候，參與選主。

思考一個(gè)問(wèn)題：Secondary 和 Master-Slave 模式的 Slave 角色有什么區(qū)別？

最根本的一個(gè)不同在于：Secondary 相互有心跳，Secondary 可以作為數(shù)據(jù)源，Replica 可以是一種鏈?zhǔn)降膹?fù)制模式。

Arbiter（ 仲裁者 ）

不存數(shù)據(jù)，不會(huì)被選為主，只進(jìn)行選主投票。使用 Arbiter 可以減輕在減少數(shù)據(jù)的冗余備份，又能提供高可用的能力。

如下圖：

副本集模式特點(diǎn)思考

MongoDB 的 Replica Set 副本集模式主要有以下幾個(gè)特點(diǎn)：

數(shù)據(jù)多副本，在故障的時(shí)候，可以使用完的副本恢復(fù)服務(wù)。注意：這里是故障自動(dòng)恢復(fù)；

讀寫(xiě)分離，讀的請(qǐng)求分流到副本上，減輕主（Primary）的讀壓力；

節(jié)點(diǎn)直接互有心跳，可以感知集群的整體狀態(tài)；

思考：這種有什么優(yōu)缺點(diǎn)呢？

可用性大大增強(qiáng)，因?yàn)楣收蠒r(shí)自動(dòng)恢復(fù)的，主節(jié)點(diǎn)故障，立馬就能選出一個(gè)新的 Primary 節(jié)點(diǎn)。但是有一個(gè)要注意的點(diǎn)：每?jī)蓚€(gè)節(jié)點(diǎn)之間互有心跳，這種模式會(huì)導(dǎo)致節(jié)點(diǎn)的心跳幾何倍數(shù)增大，單個(gè) Replica Set 集群規(guī)模不能太大，一般來(lái)講最大不要超過(guò) 50 個(gè)節(jié)點(diǎn)。

思考：節(jié)點(diǎn)數(shù)有講究嗎？

有的，參與投票節(jié)點(diǎn)數(shù)要是奇數(shù)，這個(gè)非常重要。為什么，因?yàn)榕紨?shù)會(huì)導(dǎo)致腦裂，也就是投票數(shù)對(duì)等的情況，無(wú)法選出 Primary。

舉個(gè)例子，如果有 3 張票，那么一定是 2:1 ，有一個(gè)人一定會(huì)是多數(shù)票，如果是 4 張票，那么很有可能是 2:2 ，那么就有平票的現(xiàn)象。

Sharding 模式

按道理 Replica Set 模式已經(jīng)非常好的解決了可用性問(wèn)題，為什么還會(huì)往后演進(jìn)呢？因?yàn)樵诋?dāng)今大數(shù)據(jù)時(shí)代，有一個(gè)必須要考慮的問(wèn)題：就是數(shù)據(jù)量。

用戶的數(shù)據(jù)量是永遠(yuǎn)都在增加的，理論是沒(méi)有上限的，但 Replica Set 卻是有上限的。怎么說(shuō)？

舉個(gè)例子，假設(shè)說(shuō)你的單機(jī)有 10TiB 的空間，內(nèi)存是 500 GiB，網(wǎng)卡是 40 G，這個(gè)就是單機(jī)的物理極限。當(dāng)數(shù)據(jù)量超過(guò) 10 TiB，這個(gè) Replica Set 就無(wú)法提供服務(wù)了。你可能會(huì)說(shuō)，那就加磁盤(pán)嘍，把磁盤(pán)的容量加大嘍。是可以，但是單機(jī)的容量和性能一定是有物理極限的（比如說(shuō)你的磁盤(pán)槽位可能最多就 60 盤(pán)）。單機(jī)存在瓶頸怎么辦？

解決方案就是：利用分布式技術(shù)。

解決性能和容量瓶頸一般來(lái)說(shuō)優(yōu)化有兩個(gè)方向：

縱向優(yōu)化

橫向優(yōu)化

縱向優(yōu)化是傳統(tǒng)企業(yè)最常見(jiàn)的思路，持續(xù)不斷的加大單個(gè)磁盤(pán)和機(jī)器的容量和性能。CPU 主頻不斷的提升，核數(shù)也不斷地加，磁盤(pán)容量從 128 GiB 變成當(dāng)今普遍的 12 TiB，內(nèi)存容量從以前的 M 級(jí)別變成現(xiàn)在上百 G 。帶寬從以前百兆網(wǎng)卡變成現(xiàn)在的普遍的萬(wàn)兆網(wǎng)卡，但這些提升終究追不上用互聯(lián)網(wǎng)數(shù)據(jù)規(guī)模的增加量級(jí)。

橫向優(yōu)化通俗來(lái)講就是加節(jié)點(diǎn)，橫向擴(kuò)容來(lái)解決問(wèn)題。業(yè)務(wù)上要?jiǎng)澐窒到y(tǒng)數(shù)據(jù)集，并在多臺(tái)服務(wù)器上處理，做到容量和能力跟機(jī)器數(shù)量成正比。單臺(tái)計(jì)算機(jī)的整體速度或容量可能不高，但是每臺(tái)計(jì)算機(jī)只能處理全部工作量的一部分，因此與單臺(tái)高速大容量服務(wù)器相比，可能提供更高的效率。

擴(kuò)展的容量?jī)H需要根據(jù)需要添加其他服務(wù)器，這比一臺(tái)高端硬件的機(jī)器成本還低，代價(jià)就是軟件的基礎(chǔ)結(jié)構(gòu)要支持，部署維護(hù)要復(fù)雜。

那么，實(shí)際情況下，哪一種更具可行性呢？

自然是分布式技術(shù)的方案，縱向優(yōu)化的方案非常容易到達(dá)物理極限，橫向優(yōu)化則對(duì)個(gè)體要求不高，而是群體發(fā)揮效果（但是對(duì)軟件架構(gòu)提出更高的要求）。

2003年，Google 發(fā)布 Google File System 論文，這是一個(gè)可擴(kuò)展的分布式文件系統(tǒng)，用于大型的、分布式的、對(duì)大量數(shù)據(jù)進(jìn)行訪問(wèn)的應(yīng)用。它運(yùn)行于廉價(jià)的普通硬件上，提供分布式容錯(cuò)功能。GFS 正式拉開(kāi)分布式技術(shù)應(yīng)用的大門(mén)。

MongoDB 的 Sharding 模式就是 MongoDB 橫向擴(kuò)容的一個(gè)架構(gòu)實(shí)現(xiàn)。我們下面就看一下 Sharding 模式和之前 Replica Set 模式有什么特殊之處吧。

Sharding 模式角色

Sharding 模式下按照層次劃分可以分為 3 個(gè)大模塊：

代理層：mongos

配置中心：副本集群（mongod）

數(shù)據(jù)層：Shard 集群

簡(jiǎn)要如下圖：

代理層：

代理層的組件也就是 mongos ，這是個(gè)無(wú)狀態(tài)的組件，純粹是路由功能。向上對(duì)接 Client ，收到 Client 寫(xiě)請(qǐng)求的時(shí)候，按照特定算法均衡散列到某一個(gè) Shard 集群，然后數(shù)據(jù)就寫(xiě)到 Shard 集群了。收到讀請(qǐng)求的時(shí)候，定位找到這個(gè)要讀的對(duì)象在哪個(gè) Shard 上，就把請(qǐng)求轉(zhuǎn)發(fā)到這個(gè) Shard 上，就能讀到數(shù)據(jù)了。

數(shù)據(jù)層：

數(shù)據(jù)層是啥？就是存儲(chǔ)數(shù)據(jù)的地方。你會(huì)驚奇的發(fā)現(xiàn)，其實(shí)數(shù)據(jù)層就是由一個(gè)個(gè) Replica Set 集群組成。在前面我們說(shuō)過(guò)，單個(gè) Replica Set 是有極限的，怎么辦？那就搞多個(gè) Replica Set ，這樣的一個(gè) Replica Set 我們就叫做 Shard 。理論上，Replica Set 的集群的個(gè)數(shù)是可以無(wú)限增長(zhǎng)的。

配置中心：

代理層是無(wú)狀態(tài)的模塊，數(shù)據(jù)層的每一個(gè) Shard 是各自獨(dú)立的，那總要有一個(gè)集群統(tǒng)配管理的地方，這個(gè)地方就是配置中心。里面記錄的是什么呢？

比如：有多少個(gè) Shard，每個(gè) Shard 集群又是由哪些節(jié)點(diǎn)組成的。每個(gè) Shard 里大概存儲(chǔ)了多少數(shù)據(jù)量（以便做均衡）。這些東西就是在配置中心的。

配置中心存儲(chǔ)的就是集群拓?fù)?，管理的配?a target="_blank">信息。這些信息也非常重要，所以也不能單點(diǎn)存儲(chǔ)，怎么辦？配置中心也是一個(gè) Replica Set 集群，數(shù)據(jù)也是多副本的。

詳細(xì)架構(gòu)圖：

Sharding 模式怎么存儲(chǔ)數(shù)據(jù)？

我們說(shuō)過(guò)，縱向優(yōu)化是對(duì)硬件使用者最友好的，橫向優(yōu)化則對(duì)硬件使用者提出了更高的要求，也就是說(shuō)軟件架構(gòu)要適配。

單 Shard 集群是有限的，但 Shard 數(shù)量是無(wú)限的，Mongo 理論上能夠提供近乎無(wú)限的空間，能夠不斷的橫向擴(kuò)容。那么現(xiàn)在唯一要解決的就是怎么去把用戶數(shù)據(jù)存到這些 Shard 里？MongDB 是怎么做的？

首先，要選一個(gè)字段（或者多個(gè)字段組合也可以）用來(lái)做 Key，這個(gè) Key 可以是你任意指定的一個(gè)字段。我們現(xiàn)在就是要使用這個(gè) Key 來(lái)，通過(guò)某種策略算出發(fā)往哪個(gè) Shard 上。這個(gè)策略叫做：Sharding Strategy ，也就是分片策略。

我們把 Sharding Key 作為輸入，按照特點(diǎn)的 Sharding Strategy 計(jì)算出一個(gè)值，值的集合形成了一個(gè)值域，我們按照固定步長(zhǎng)去切分這個(gè)值域，每一個(gè)片叫做 Chunk ，每個(gè) Chunk 出生的時(shí)候就和某個(gè) Shard 綁定起來(lái)，這個(gè)綁定關(guān)系存儲(chǔ)在配置中心里。

所以，我們看到 MongoDB 的用 Chunk 再做了一層抽象層，隔離了用戶數(shù)據(jù)和 Shard 的位置，用戶數(shù)據(jù)先按照分片策略算出落在哪個(gè) Chunk 上，由于 Chunk 某一時(shí)刻只屬于某一個(gè) Shard，所以自然就知道用戶數(shù)據(jù)存到哪個(gè) Shard 了。

Sharding 模式下數(shù)據(jù)寫(xiě)入過(guò)程：

Sharding 模式下數(shù)據(jù)讀取過(guò)程：

通過(guò)上圖我們也看出來(lái)了，mongos 作為路由模塊其實(shí)就是尋路的組件，寫(xiě)的時(shí)候先算出用戶 key 屬于哪個(gè) Chunk，然后找出這個(gè) Chunk 屬于哪個(gè) Shard，最后把請(qǐng)求發(fā)給這個(gè) Shard ，就能把數(shù)據(jù)寫(xiě)下去。讀的時(shí)候也是類(lèi)似，先算出用戶 key 屬于哪個(gè) Chunk，然后找出這個(gè) Chunk 屬于哪個(gè) Shard，最后把請(qǐng)求發(fā)給這個(gè) Shard ，就能把數(shù)據(jù)讀上來(lái)。

實(shí)際情況下，mongos 不需要每次都和 Config Server 交互，大部分情況下只需要把 Chunk 的映射表 cache 一份在 mongos 的內(nèi)存，就能減少一次網(wǎng)絡(luò)交互，提高性能。

為什么要多一層 Chunk 這個(gè)抽象？

為了靈活，因?yàn)橐坏┦怯脩魯?shù)據(jù)直接映射到 Shard 上，那就相當(dāng)于是用戶數(shù)據(jù)和底下的物理位置綁定起來(lái)了，這個(gè)萬(wàn)一 Shard 空間已經(jīng)滿了，怎么辦？

存儲(chǔ)不了呀，又不能存儲(chǔ)到其他地方去。有同學(xué)就會(huì)想了，那我可以把這個(gè)變化的映射記錄下來(lái)呀，記錄下來(lái)理論上行得通，但是每一個(gè)用戶數(shù)據(jù)記錄一條到 Shard 的映射，這個(gè)量級(jí)是非常大的，實(shí)際中沒(méi)有可行性。

而現(xiàn)在多了一層 Chunk 空間，就靈活了。用戶數(shù)據(jù)不再和物理位置綁定，而是只映射到 Chunk 上就可以了。如果某個(gè) Shard 數(shù)據(jù)不均衡，那么可以把 Chunk 空間分裂開(kāi)，遷走一半的數(shù)據(jù)到其他 Shard ，修改下 Chunk 到 Shard 的映射，Chunk 到 Shard 的映射條目很少，完全 Hold 住，并且這種均衡過(guò)程用戶完全不感知。

講回 Sharding Strategy 是什么？本質(zhì)上 Sharding Strategy 是形成值域的策略而已，MongoDB 支持兩種 Sharding Strategy：

Hashed Sharding 的方式

Range Sharding 的方式

Hashed Sharding

把 Key 作為輸入，輸入到一個(gè) Hash 函數(shù)中，計(jì)算出一個(gè)整數(shù)值，值的集合形成了一個(gè)值域，我們按照固定步長(zhǎng)去切分這個(gè)值域，每一個(gè)片叫做 Chunk ，這里的 Chunk 則就是整數(shù)的一段范圍而已。

這種計(jì)算值域的方式有什么優(yōu)缺點(diǎn)呢？

好處是：

計(jì)算速度快

均衡性好，純隨機(jī)

壞處是：

正因?yàn)榧冸S機(jī)，排序列舉的性能極差，比如你如果按照 name 這個(gè)字段去列舉數(shù)據(jù)，你會(huì)發(fā)現(xiàn)幾乎所有的 Shard 都要參與進(jìn)來(lái)；

Range Sharding

Range 的方式本質(zhì)上是直接用 Key 本身來(lái)做值，形成的 Key Space 。

如上圖例子，Sharding Key 選為 name 這個(gè)字段，對(duì)于 “test_0”，“test_1”，“test_2” 這樣的 key 排序就是挨著的，所以就全都分配在一個(gè) Chunk 里。

這 3 條 Docuement 大概率是在一個(gè) Chunk 上，因?yàn)槲覀兙褪前凑?Name 來(lái)排序的。這種方式有什么優(yōu)缺點(diǎn)？

好處是：

對(duì)排序列舉場(chǎng)景非常友好，因?yàn)閿?shù)據(jù)本來(lái)就是按照順序依次放在 Shard 上的，排序列舉的時(shí)候，順序讀即可，非?？焖伲?/p>

壞處是：

容易導(dǎo)致熱點(diǎn)，舉個(gè)例子，如果 Sharding Key 都有相同前綴，那么大概率會(huì)分配到同一個(gè) Shard 上，就盯著這個(gè) Shard 寫(xiě)，其他 Shard 空閑的很，卻幫不上忙；

可用性的進(jìn)一步提升

為什么說(shuō) Sharding 模式不僅是容量問(wèn)題得到解決，可用性也進(jìn)一步提升？

因?yàn)?Shard（Replica Set）集群個(gè)數(shù)多了，即使一個(gè)或多個(gè) Shard 不可用，Mongo 集群對(duì)外仍可以 提供讀取和寫(xiě)入服務(wù)。因?yàn)槊恳粋€(gè) Shard 都有一個(gè) Primary 節(jié)點(diǎn)，都可以提供寫(xiě)服務(wù)，可用性進(jìn)一步提升。

推薦使用姿勢(shì)

上面已經(jīng)介紹了歷史演進(jìn)的 3 種高可用模式，Master-Slave 模式已經(jīng)在不推薦了，Relicate Set 和 Sharding 模式都可以保證數(shù)據(jù)的高可靠和高可用，但是在我們實(shí)踐過(guò)程中，發(fā)現(xiàn)客戶端存在非常大的配置權(quán)限，也就是說(shuō)如果用戶在使用 MongoDB 的時(shí)候使用姿勢(shì)不對(duì)，可能會(huì)導(dǎo)致達(dá)不到你的預(yù)期。

使用姿勢(shì)一：怎么保證高可用？

如果是 Replicate Set 模式，那么客戶端要主動(dòng)感知主從切換。以前用過(guò) Go 語(yǔ)言某個(gè)版本的 MongoDB client SDK，發(fā)現(xiàn)在主從切換的時(shí)候，并沒(méi)有主動(dòng)感知，導(dǎo)致請(qǐng)求還一直發(fā)到已經(jīng)故障的節(jié)點(diǎn)，從而導(dǎo)致服務(wù)不可用。

所以針對(duì)這種形式要怎么做？有兩個(gè)方案：

用 Sharding 模式，因?yàn)?Sharding 模式下，用戶打交道的是 mongos ，這個(gè)是一個(gè)代理，幫你屏蔽了底層 Replica Set 的細(xì)節(jié)，主從切換由它幫你做好；

客戶端自己感知，定期刷新（這種就相對(duì)麻煩）；

使用姿勢(shì)二：怎么保證數(shù)據(jù)的高可靠？

客戶端配置寫(xiě)多數(shù)成功才算成功。沒(méi)錯(cuò)，這個(gè)權(quán)限交由由客戶端配置。如果沒(méi)有配置寫(xiě)多數(shù)成功，那么很可能寫(xiě)一份數(shù)據(jù)成功就成功了，這個(gè)時(shí)候如果發(fā)生故障，或者切主，那么數(shù)據(jù)可能丟失或者被主節(jié)點(diǎn) rollback ，也等同用戶數(shù)據(jù)丟失。

mongodb 有完善的 rollback 及寫(xiě)入策略（WriteConcern）機(jī)制，但是也要使用得當(dāng)。怎么保證高可靠？一定要寫(xiě)多數(shù)成功才算成功。

使用姿勢(shì)三：怎么保證數(shù)據(jù)的強(qiáng)一致性？

客戶端要配置兩個(gè)東西：

寫(xiě)多數(shù)成功，才算成功；

讀使用 strong 模式，也就是只從主節(jié)點(diǎn)讀；

只有這兩個(gè)配置一起上，才能保證用戶數(shù)據(jù)的絕對(duì)安全，并且對(duì)外提供數(shù)據(jù)的強(qiáng)一致性。

總結(jié)

本文介紹了 3 種 MongoDB 的高可用架構(gòu)，Master-Slave 模式，Replica Set 模式，Sharding 模式，這也是常見(jiàn)的架構(gòu)演進(jìn)的過(guò)程；

MongdbDB Master-Slave 已經(jīng)不推薦，甚至新版已經(jīng)不支持這種冗余模式；

Replica Set 通過(guò)數(shù)據(jù)多副本，組件冗余提高了可靠性，并且通過(guò)分布式自動(dòng)選主算法，減少了停服時(shí)間窗，提高了可用性；

Sharding 模式通過(guò)橫向擴(kuò)容的方式，為用戶提供了近乎無(wú)限的空間；

MongoDB 客戶端掌握了很大的配置權(quán)限，通過(guò)指定寫(xiě)多數(shù)策略和 strong 模式（只從主節(jié)點(diǎn)讀數(shù)據(jù)）能保證數(shù)據(jù)的高可靠和強(qiáng)一致性；

后記

今天從比較大的層面來(lái)分析了下 MongoDB 的高可用架構(gòu)，這 3 種架構(gòu)也是分布式系統(tǒng)里常見(jiàn)的架構(gòu)模式，非常實(shí)用，你學(xué) fei 了嗎？MongoDB 作為當(dāng)前火熱的 NoSQL 數(shù)據(jù)庫(kù)，是有很多值得學(xué)習(xí)的地方的，有機(jī)會(huì)從原理和實(shí)踐的角度深入分析下。

原文標(biāo)題：全面剖析 MongoDB 高可用架構(gòu)

文章出處：【微信公眾號(hào)：數(shù)據(jù)分析與開(kāi)發(fā)】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。

責(zé)任編輯：haq