MongoDB Sharding

Ps:mongod是mongodb实例，mongos被默认为为mongodb sharding的路由实例。

本文使用的mongodb版本为3.2.9，因此参考网址为：https://docs.mongodb.com/v3.2/sharding/

此外最后几个部分还引用了https://yq.aliyun.com/articles/60096中的一些问题描述及解决方案。

一、Sharding集群简介

1.数据分片（Shards）

用来保存数据，保证数据的高可用性和一致性。可以是一个单独的mongod实例，也可以是一个副本集。在生产环境下Shard一般是一个Replica Set，以防止该数据片的单点故障。可以将所有shard的副本集放在一个服务器多个mongodb实例中。

2.查询路由（Query Routers）

路由就是mongos的实例，客户端直接连接mongos，由mongos把读写请求路由到指定的Shard上去。

一个Sharding集群，可以有一个mongos，也可以如上图所示为每个App Server配置一个mongos以减轻路由压力。

注意这里的mongos并不要配置为rs，因为只是个路由，并不存储数据，配置多个mongos的意思是配置多个单独的mongos实例。

3.配置服务器（Config servers）

保存集群的元数据（metadata），包含各个Shard的路由规则。3.2版本以后config server可以配置为replica set(CSRS),3.4以后config server必须配置为rs。

config server的rs不能有arbiter（3.2.9版本是这样，其他版本未测试），生产上建议config server的rs至少要有3个副本集成员。

MongoDB是在collection级别实现的水平分片。

 

二、分片键：Shard keys

• shard key在sharding搭建完毕后是不能修改的，一个collection上只能有一个shard key。
  
• shard key上必须有索引（可以是以shard key开头的联合索引），如果没有mongodb会为shard key创建索引。如果是已经存在的collection那么必须手动为shard key创建索引。
• 在sharding的collection中只有_id和shard key前缀的索引可以是unique index，其他索引只能是普通索引。如果一个普通key上有unique index那么你不能以其他key为shard key对collection进行sharding。

• shard key的选择将会影响整个集群的效率，可扩展性和性能。而且也会影响你所能选择的分片策略。
  

关于shard key详见：https://docs.mongodb.com/v3.2/core/sharding-shard-key/

分片范围是[shard_key_value_m,shard_key_value_n)，MongoDB把每个分片叫做一个shard，一部分shard key的集合叫做chunk，一个shard上可以有多个chunk也可以只有一个chunk，一般会有多个。

 

三、Sharding的优势

1.读写方面：

sharding将读写负载均匀到各个shard，且workload上限可以通过水平扩展来增加。

2.扩容方面：

每个shard保存一部分数据，可以通过增加shards来扩容。

3.高可用方面：

即便某个shard不可用了，整个集群也可以对外提供服务，只不过访问down掉的shard会出错。而且MongoDB3.2以后可以为每个shard都配置副本集（replica set），这样保证最大程度的高可用性。

 

四、Sharding的劣势

数据量较少时不建议使用sharding，毕竟读写都要经过一层路由会有性能损耗，直接表现就是ips和qps会降低。

 

五、使用Sharding前需要考虑的一些事情

1.sharding集群不支持一些常规的单实例方法，如group()，可以使用mapReduce()或者aggregate()中的group来替代，因此建议从一开始学习就直接使用aggregate(),这种写法较为简单明了，且统一化易于识别。

2.对于没有用到shard key的查询，路由进行全集群广播（broadcast operation），对每个shard都查一遍进行scatter/gather，此时效率会很低。

 

六、Sharding策略选择

1.hash sharding：https://docs.mongodb.com/v3.2/core/hashed-sharding/

当shard key总是单调递增时hash sharding并不是一个很好的选择，其查询分发基本和broadcast operation一样了，因为hash会把数据比较均匀的分布在各个shard上，但此时选择ranged sharding也有缺点，因为数据过度集中会导致数据集中于某个shard。

2.ranged sharding：https://docs.mongodb.com/v3.2/core/ranged-sharding/

在shard key选取不正确的情况下，范围分片会导致数据分布不均匀，也可能遭遇性能瓶颈，因此需要合理的选择ranged shard key。

3.Tag aware sharding：https://docs.mongodb.com/v3.2/core/tag-aware-sharding/

原理如下：

• sh.addShardTag() 给shard设置标签A
  
• sh.addTagRange() 给集合的某个chunk范围设置标签A，最终MongoDB会保证设置标签 A 的chunk范围（或该范围的超集）分布设置了标签 A 的 shard 上。
  

Tag aware sharding可应用在如下场景：

将部署在不同机房的shard设置机房标签，将不同chunk范围的数据分布到指定的机房

将服务能力不通的shard设置服务等级标签，将更多的chunk分散到服务能力更强的shard上去。

 

使用 Tag aware sharding 需要注意是,chunk分配到对应标签的shard上不是立即完成，而是在不断insert、update后触发split、moveChunk后逐步完成的，并且需要保证balancer是开启的。所以你可能会观察到，在设置了tag range后一段时间后，写入仍然没有分布到tag相同的shard上去。

 

七、Sharding搭建步骤:

关于sharding的操作方法参考：https://docs.mongodb.com/v3.2/reference/method/js-sharding/

环境说明：

MongoDB版本：3.2.9
节点：192.168.20.70/71/72
架构说明：
70：包含mongos、config server（master）、3个shards(master)
71：包含config server（slave）、3个shards(slave)
72：包含3个shards(arbiter)
--网上很多资料说config server必须是奇数个，但至少在本次搭建的3.2.9版本中2个也是可以的。

1.配置config server

--master的mongo.conf(192.168.20.70)
directoryperdb=true
replSet=config
configsvr=true
logpath=/home/mongod/config_master/mongod.log
logappend=true
fork=true
port=27018
dbpath=/home/mongod/config_master
pidfilepath=/home/mongod/config_master/mongod.pid

--slave的mongo.conf(192.168.20.71)
directoryperdb=true
replSet=config
configsvr=true
logpath=/home/mongod/config_slave/mongod.log
logappend=true
fork=true
port=27018
dbpath=/home/mongod/config_slave
pidfilepath=/home/mongod/config_slave/mongod.pid

然后启动并配置config server的rs(replica set):

mongod -f /home/mongod/config_master/mongo.conf 
mongod -f /home/mongod/config_slave/mongo.conf
use admin
cfg={_id:"config",members:[{_id:0,host:'192.168.20.70:27018',priority:2}, {_id:1,host:'192.168.20.71:27018',priority:1}]};
rs.initiate(cfg)

2.配置shards

本例中配置了3个shards，分别使用70服务器的27017,27020,27021端口，他们的slave和arbiter分别使用71和72服务器上的相同端口。

--shard1的master、slave、arbiter的配置文件（分别在70、71、72上）
--master:
directoryperdb=true
replSet=shard1
shardsvr = true
logpath=/home/mongod/shard1_master/mongod.log
logappend=true
fork=true
port=27017
dbpath=/home/mongod/shard1_master
pidfilepath=/home/mongod/shard1_master/mongod.pid

--slave:
directoryperdb=true
replSet=shard1
shardsvr = true
logpath=/home/mongod/shard1_slave/mongod.log
logappend=true
fork=true
port=27017
dbpath=/home/mongod/shard1_slave
pidfilepath=/home/mongod/shard1_slave/mongod.pid

--arbiter:
directoryperdb=true
replSet=shard1
shardsvr = true
logpath=/home/mongod/shard1_arbiter/mongod.log
logappend=true
fork=true
port=27017
dbpath=/home/mongod/shard1_arbiter
pidfilepath=/home/mongod/shard1_arbiter/mongod.pid

shard2和shard3的配置文件与shard1基本一致，只需要把相应的replSet设为shard2\shard3,相应的目录修改为shard2\shard3,相应的端口修改为27020/27021即可。

建好相应的dbpath目录后，启动并为每个shard配置replica set，步骤如下：

use admin
cfg={_id:"shard1",members:[{_id:0,host:'192.168.20.70:27017',priority:2}, {_id:1,host:'192.168.20.71:27017',priority:1},{_id:2,host:'192.168.20.72:27017',arbiterOnly:true}]};
rs.initiate(cfg)

shard2和shard3的配置步骤一样，只需要把shard1修改为shard2/shard3,把端口修改为27020/27021即可。

3.完成config server和shards的rs配置后，就可以配置路由服务器了，路由服务器的官方名称是mongos，我们这里也也以mongos称呼。

本例中只配置一个mongos，方法如下：

--注意：dbpath、directoryperdb等参数是不能出现在mongos的配置文件中的，简单起见只配置如下参数即可：
configdb = config/192.168.20.70:27018,192.168.20.71:27018 --这里的config是config server副本集的名称，后接config server的2个副本集节点。
logpath=/home/mongod/mongos/mongod.log
logappend=true
fork=true
port=27019
pidfilepath=/home/mongod/mongos/mongod.pid

然后启动mongos，注意mongos的启动是与其他类型的mongo实例不一样的：（用的mongos而不是mongod命令）

mongos -f /home/mongod/mongos/mongo.conf

4.至此完成了所有服务器的配置，接下来开始配置具体collection的分片策略。

登录mongos服务器：
mongo --port=27019
use admin
sh.addShard("shard1/192.168.20.70:27017,192.168.20.71:27017,192.168.20.72:27017");
sh.addShard("shard2/192.168.20.70:27020,192.168.20.71:27020,192.168.20.72:27020");
sh.addShard("shard3/192.168.20.70:27021,192.168.20.71:27021,192.168.20.72:27021");
然后在mongos上为具体的数据库配置sharding:
sh.enableSharding("test") --允许test数据库进行sharding
sh.shardCollection("test.t",{id:"hashed"}) --对test.t集合以id列为shard key进行hashed sharding
通过db.t.getIndexes()可以看到自动为id列创建了索引。

5.hashed分片验证

在第4步中针对test的t集合进行了分片配置，因此这里向t插入1000条数据做测试：

mongo --port=27019 --27019是mongos的端口号
use test
for(i=1,i<=1000,i++){db.t.insert({id:i,name:"Leo"})}

在3个shard的primary上使用db.t.find().count()会发现1000条数据近似均匀的分布到了3个shard上。

使用db.t.stats()查看分片结果，使用sh.status()查看本库内所有集合的分片信息。

6.其他分片方式

sh.shardCollection("test.t",{id:1}) --对test.t集合以id列为shard key进行ranged sharding

ranged分片直接使用{id:1}方式指定即可，分片的chunk由mongos自主决定，例如在ranged分片集合中插入1000条数据，其结果如下：

for(i=1;i<=1000;i++){db.t.insert({id:i,name:"Leo"})}
--sh.status()的相关结果：
test.t
shard key: { "id" : 1 }
unique: false
balancing: true
chunks:
shard1 1
shard2 1
shard3 1
{ "id" : { "$minKey" : 1 } } -->> { "id" : 2 } on : shard1 Timestamp(2, 0)
{ "id" : 2 } -->> { "id" : 22 } on : shard3 Timestamp(3, 0)
{ "id" : 22 } -->> { "id" : { "$maxKey" : 1 } } on : shard2 Timestamp(3, 1)
从sh.status的结果可以看到id为[1,2)的被分配至shard1，[2,22)被分配至shard2，其他的全部被分配至shard3,分布极其不均匀。

由于默认的ranged sharding策略会导致自增shard key分布及其不均匀，我们需要在定时的使用sh.splitAt()方法来为分片指定分片chunk大小：

sh.splitAt("test.t",{id:500})
sh.splitAt("test.t",{id:1000})
sh.splitAt("test.t",{id:1500})
sh.splitAt("test.t",{id:2000})
for(i=1;i<=3000;i++){db.t.insert({id:i,name:"Leo"})}
--sh.status()显示的分片结果如下：
test.t
shard key: { "id" : 1 }
unique: false
balancing: true
chunks:
shard1 2 --shard2上有2个chunks，分别是[1500,2000]和[2000,$maxKey)
shard2 2
shard3 1
{ "id" : { "$minKey" : 1 } } -->> { "id" : 500 } on : shard1 Timestamp(2, 0)
{ "id" : 500 } -->> { "id" : 1000 } on : shard3 Timestamp(3, 0)
{ "id" : 1000 } -->> { "id" : 1500 } on : shard1 Timestamp(4, 0)
{ "id" : 1500 } -->> { "id" : 2000 } on : shard2 Timestamp(4, 1)
{ "id" : 2000 } -->> { "id" : { "$maxKey" : 1 } } on : shard2 Timestamp(3, 3)

tag aware分片策略还未测试，有待以后补充。

7.shards的扩容

当需要水平扩容时我们就需要进行shards添加了，添加步骤如下：（本例在70上直接添加单实例的27022端口的shard实例）

directoryperdb=true
shardsvr = true
logpath=/home/mongod/shard4/mongod.log
logappend=true
fork=true
port=27022
dbpath=/home/mongod/shard4
pidfilepath=/home/mongod/shard4/mongod.pid

启动此实例后，在mongos上执行：

sh.addShard("192.168.20.70:27022")

一段时间后sh.status()看到的结果如下：

test.t
shard key: { "id" : 1 }
unique: false
balancing: true
chunks:
shard1 1
shard0004 1 --mongos自动将新的单实例mongoDB的chunk命名为shard0004
shard2 2
shard3 1
{ "id" : { "$minKey" : 1 } } -->> { "id" : 500 } on : shard0004 Timestamp(5, 0)
{ "id" : 500 } -->> { "id" : 1000 } on : shard3 Timestamp(3, 0)
{ "id" : 1000 } -->> { "id" : 1500 } on : shard1 Timestamp(5, 1)
{ "id" : 1500 } -->> { "id" : 2000 } on : shard2 Timestamp(4, 1)
{ "id" : 2000 } -->> { "id" : { "$maxKey" : 1 } } on : shard2 Timestamp(3, 3)
--可以看到balancer自动将chunk进行了迁移，迁移机制为mongodb内部决定，原理参见第八部分。

八、Sharding的负载均衡（即Balancer）

MongoDB Sharding的自动负载均衡目前是由mongos的后台线程来做的，并且每个集合同一时刻只能有一个迁移任务，负载均衡主要根据集合在各个 shard上chunk的数量来决定的，相差超过一定阈值（跟chunk总数量相关）就会触发chunk迁移。

Balancer默认是开启的，为了避免chunk迁移影响到线上业务，可以通过设置迁移执行窗口，比如只允许凌晨2:00-6:00期间进行迁移。

mongo --port=27019 --连接到mongos
use config
db.settings.update(
{ _id: "balancer" },
{ $set: { activeWindow : { start : "02:00", stop : "06:00" } } },
{ upsert: true }
)
Balancer会在服务器local time的凌晨2-6点才执行chunk的balance。

另外，在进行sharding备份时（通过mongos或者单独备份config server和所有shard），需要停止负载均衡以免备份出来的数据出现状态不一致问题。

sh.setBalancerState("false")
或者：
sh.stopBalancer()

九、其他问题

moveChunk归档设置

使用3.0及以前版本的Sharded cluster可能会遇到一个问题，停止写入数据后，数据目录里的磁盘空间占用还会一直增加。

上述行为是由sharding.archiveMovedChunks配置项决定的，该配置项在3.0及以前的版本默认为true，即在move chunk时，源shard会将迁移的chunk数据归档一份在数据目录里，当出现问题时，可用于恢复。也就是说，chunk发生迁移时，源节点上的空间并没有释放出来，而目标节点又占用了新的空间。

在3.2版本，该配置项默认值也被设置为false，默认不会对moveChunk的数据在源shard上归档。

recoverShardingState设置

使用MongoDB Sharded cluster时，还可能遇到一个问题，就是启动 shard后，shard 不能正常服务，Primary上调用ismaster时，结果却为 true，也无法正常执行其他命令，其状态类似如下：

PRIMARY> db.isMaster()
{
"hosts" : [
"host1:9003",
"host2:9003",
"host3:9003"
],
"setName" : "mongo-9003",
"setVersion" : 9,
"ismaster" : false, // primary 的 ismaster 为 false？？？
"secondary" : true,
"primary" : "host1:9003",
"me" : "host1:9003",
"electionId" : ObjectId("57c7e62d218e9216c70aa3cf"),
"maxBsonObjectSize" : 16777216,
"maxMessageSizeBytes" : 48000000,
"maxWriteBatchSize" : 1000,
"localTime" : ISODate("2016-09-01T12:29:27.113Z"),
"maxWireVersion" : 4,
"minWireVersion" : 0,
"ok" : 1
}

查看其错误日志，会发现shard一直无法连接上config server，上述行为是由sharding.recoverShardingState选项决定，默认为true，也就是说，shard启动时，其会连接config server进行sharding 状态的一些初始化，而如果config server连不上，初始化工作就一直无法完成，导致 shard 状态不正常。

有同学在将Sharded cluster所有节点都迁移到新的主机上时遇到了上述问题，因为config server的信息发生变化了，而shard启动时还会连接之前的config server，通过在启动命令行加上--setParameter recoverShardingState=false来启动shard就能恢复正常了。

 

上述默认设计的确有些不合理，config server的异常不应该去影响shard，而且最终的问题的表象也很不明确，在3.4大版本里，MongoDB也会对这块进行修改去掉这个参数，默认不会有recoverShardingState的逻辑，具体参考SERVER-24465。