基于Mongodb进行分布式数据存储 方法四

原文地址：http://hi.baidu.com/stodbx2002/blog/item/c80fc6776bc32509b151b903.html

 

 

注：本文是研究Mongodb分布式数据存储的副产品，通过本文的相关步骤可以将一个大表中的数据分布到几个mongo服务器上。

　　MongoDB的1.6版本中auto-sharding功能基本稳定并可以尝试放到生产环境下使用。因为其是auto-sharding，即mongodb通过mongos(一个集群环境配置工具)自动建立一个水平扩展的数据库集群系统，将数据库分表存储在sharding的各个节点上。

　　一个mongodb集群包括一些shards(包括一些mongod进程)，mongos路由进程，一个或多个config服务器

　　(注：本文的测试用例需求64位的mongo程序,因为我在32位的mongo没成功过)。

　　下面是一些相关词汇说明:

　　Shards : 每一个shard包括一个或多个服务和存储数据的mongod进程(mongod是MongoDB数据的核心进程)典型的每个shard开启多个服务来提高服务的可用性。这些服务/mongod进程在shard中组成一个复制集

　　Chunks: 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

　　Config Servers : 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。

　　接着看一下要配置的测试环境信息：

　　模拟2个shard服务和一个config服务, 均运行在10.0.4.85机器上，只是端口不同

　　Shard1：27020

　　Shard2：27021

　　Config：27022

　　Mongos启动时默认使用的27017端口

　　在C,D,E磁盘下分别建立如下文件夹：

　　mongodb\bin

　　mongodb\db

　　然后用CMD命令行依次打开相应文件夹下的mongd文件:

　　c:\mongodb\bin\mongod --dbpath c:\mongodb\db\ --port 27020

　　d:\mongodb\bin\mongod --dbpath d:\mongodb\db\ --port 27021

　　e:\mongodb\bin\mongod --configsvr --dbpath e:\mongodb\db\ --port 27022 (注:config配置服务器)

　　启动mongos时，默认开启了27017端口

　　e:\mongodb\bin\mongos --configdb 10.0.4.85:27022

　　然后打下mongo:

　　E:\mongodb\bin>mongo 回车 (有时加端口会造成下面的addshard命令出问题)

　　> use admin

　　switched to db admin

　　> db.runCommand( { addshard : "10.0.4.85:27020", allowLocal : 1, maxSize:2 , minKey:1, maxKey:10} )

　　--添加sharding,maxsize单位是M,此处设置比较小的数值只为演示sharding效果

　　{ "shardAdded" : "shard0000", "ok" : 1 }

　　> db.runCommand( { addshard : "10.0.4.85:27021", allowLocal : 1, minKey:1000} )

　　{ "shardAdded" : "shard0001", "ok" : 1 }

　　注：如果要移除sharding，可用下面写法

　　db.runCommand( { removeshard : "localhost:10000" } );

　　> db.runCommand({listshards:1}); 查看shard节点列表

　　{

　　"shards" : [

　　{

　　"_id" : "shard0000",

　　"host" : "10.0.4.85:27020"

　　},

　　{

　　"_id" : "shard0001",

　　"host" : "10.0.4.85:27021"

　　}

　　],

　　"ok" : 1

　　}

　　接下来创建相应数据库并设置其"可以sharding",新建自动切片的库user001：

　　> config = connect("10.0.4.85:27022")

　　> config = config.getSisterDB("config")

> dnt_mongodb=db.getSisterDB("dnt_mongodb");

　　dnt_mongodb

　　> db.runCommand({enablesharding:"dnt_mongodb"})

　　{ "ok" : 1 }

　　注：一旦enable了个数据库，mongos将会把数据库里的不同数据集放在不同的分片上。除非数据集被分片(下面会设置)，否则一个数据集的所有数据将放在一个分片上。

　　> db.printShardingStatus();

　　--- Sharding Status ---

　　sharding version: { "_id" : 1, "version" : 3 }

　　shards:

　　{ "_id" : "shard0000", "host" : "10.0.4.85:27020" }

　　{ "_id" : "shard0001", "host" : "10.0.4.85:27021" }

　　databases:

　　{ "_id" : "admin", "partitioned" : false, "primary" : "config" }

　　{ "_id" : "dnt_mongodb", "partitioned" : true, "primary" : "shard0000" }

　　> db.runCommand( { shardcollection : "dnt_mongodb.posts1", key : {_id : 1}, unique: true } )

　　{ "collectionsharded" : "dnt_mongodb.posts1", "ok" : 1 }

　　--使用shardcollection 命令分隔数据集，key自动生成。

　　如果要进行GridFS sharding，则需进行如下设置：

　　db.runCommand( { shardcollection : "test.fs.chunks", key : { _id : 1 } } )

　　{"ok" : 1} ，更多内容参见http://eshilin.blog.163.com/blog/static/13288033020106215227346/

　　> db.printShardingStatus()

　　--- Sharding Status ---

　　sharding version: { "_id" : 1, "version" : 3 }

　　shards:

　　{ "_id" : "shard0000", "host" : "localhost:27020" }

　　{ "_id" : "shard0001", "host" : "localhost:27021" }

　　databases:

　　{ "_id" : "admin", "partitioned" : false, "primary" : "config" }

　　{ "_id" : "user001", "partitioned" : true, "primary" : "shard0000" }

　　dnt_mongodb.posts1e chunks:

　　{ "name" : { $minKey : 1 } } -->> { "name" : { $maxKey :

　　1 } } on : shard0000 { "t" : 1000, "i" : 0

　　下面我用一个工具来批量向dnt_mongodb数据库的 posts1表中导入数据，大约是16万条数据。导入过程中mongos会显示类似如下信息：

　　Tue Sep 07 12:13:15 [conn14] autosplitting dnt_mongodb.posts1 size: 47273960 shard: ns:dnt_mongodb.posts1 at: shard0000:10.0.4.85:27020 lastmod: 1|0 min: { _id: MinKey } max: { _id: MaxKey } on: { _id: 19 }(splitThreshold 47185920)

　　Tue Sep 07 12:13:15 [conn14] config change: { _id: "4_85-2010-09-07T04:13:15-0", server: "4_85", time: new Date(1283832795994), what: "split", ns: "dnt_mongodb.posts1", details: { before: { min: { _id: MinKey }, max: { _id: MaxKey } }, left: { min: { _id: MinKey }, max: { _id: 19 } }, right: { min: { _id: 19 }, max: {_id: MaxKey } } } }

　　Tue Sep 07 12:13:16 [conn14] moving chunk (auto): ns:dnt_mongodb.posts1 at: shard0000:10.0.4.85:27020 lastmod: 1|1 min: { _id: MinKey } max: { _id: 19 } to: shard0001:10.0.4.85:27021 #objects: 0

　　Tue Sep 07 12:13:16 [conn14] moving chunk ns: dnt_mongodb.posts1 moving ( ns:dnt_mongodb.posts1 at: shard0000:10.0.4.85:27020 lastmod: 1|1 min: { _id: MinKey }max: { _id: 19 }) shard0000:10.0.4.85:27020 -> shard0001:10.0.4.85:27021

　　Tue Sep 07 12:13:23 [WriteBackListener] ~ScopedDBConnection: _conn != null

　　Tue Sep 07 12:13:23 [WriteBackListener] ERROR: splitIfShould failed: ns: dnt_mongodb.posts1 findOne has stale config

　　Tue Sep 07 12:13:28 [WriteBackListener] autosplitting dnt_mongodb.posts1 size: 54106804 shard: ns:dnt_mongodb.posts1 at: shard0000:10.0.4.85:27020 lastmod: 2|1min: { _id: 19 } max: { _id: MaxKey } on: { _id: 71452 }(splitThreshold 47185920)

　　Tue Sep 07 12:13:28 [WriteBackListener] config change: { _id: "4_85-2010-09-07T04:13:28-1", server: "4_85", time: new Date(1283832808738), what: "split", ns: "dnt_mongodb.posts1", details: { before: { min: { _id: 19 }, max: { _id: MaxKey }}, left: { min: { _id: 19 }, max: { _id: 71452 } }, right: { min: { _id: 71452 }, max: { _id: MaxKey } } } }

　　在完成自动sharding之后，可以使用mongo看一下结果:

　　> use dnt_mongodb

　　switched to db dnt_mongodb

　　> show collections

　　posts1

　　system.indexes

　　> db.posts1.stats()

　　{

　　"sharded" : true,

　　"ns" : "dnt_mongodb.posts1",

　　"count" : 161531,

　　"size" : 195882316,

　　"avgObjSize" : 1212.6608267143768,

　　"storageSize" : 231467776,

　　"nindexes" : 1,

　　"nchunks" : 5,

　　"shards" : {

　　"shard0000" : {

　　"ns" : "dnt_mongodb.posts1",

　　"count" : 62434,

　　"size" : 54525632,

　　"avgObjSize" : 873.3323509626165,

　　"storageSize" : 65217024,

　　"numExtents" : 10,

　　"nindexes" : 1,

　　"lastExtentSize" : 17394176,

　　"paddingFactor" : 1,

　　"flags" : 1,

　　"totalIndexSize" : 2179072,

　　"indexSizes" : {

　　"_id_" : 2179072

　　},

　　"ok" : 1

　　},

　　"shard0001" : {

　　"ns" : "dnt_mongodb.posts1",

　　"count" : 99097,

　　"size" : 141356684,

　　"avgObjSize" : 1426.4476623913943,

　　"storageSize" : 166250752,

　　"numExtents" : 12,

　　"nindexes" : 1,

　　"lastExtentSize" : 37473024,

　　"paddingFactor" : 1,

　　"flags" : 1,

　　"totalIndexSize" : 3424256,

　　"indexSizes" : {

　　"_id_" : 3424256

　　},

　　"ok" : 1

　　}

　　},

　　"ok" : 1

　　}

　　通过上面的结果，可以出现16万条记录均分在了两个sharding上，其中shard0000中有62434条，shard0001中有99097条。下面看一下这两个sharding-chunk的分布情况(图中的错误提示‘输入字符串格式不正确’主要因为运行环境与编译程序使用的环境不同，一个是64，一个是32位系统)：

 

 

　　可以看到数据被按区间自动分割开了，有点像sqlserver的数据分区表，只不过这是自动完成的(目前我没找到可以手工指定区间上下限的方式，如有知道的TX可以跟我说一下)。当然在本文中的测试中，共有5个chunk,其中4个位于shard0001，这种情况可以在每次测试过程中会发生变化，包括两个sharding被分配的记录数。另外就是在mongodb移动过程前后会在shard0000上生成一个文件夹，里面包括一些bson文件，名字形如(表格+日期等信息)：

　　该文件主要包括一些数据库，表结构及相关记录等信息，我想应该是用于数据恢复备份啥的。