存儲引擎

本文介紹默認(rèn)存儲引擎WiredTiger

WiredTiger架構(gòu)

WiredTiger的寫操作會先寫入Cache，并持久化到WAL(Write ahead log)，每60s會做一次Checkpoint，將當(dāng)前的數(shù)據(jù)持久化，每，產(chǎn)生一個(gè)新的快照。Wiredtiger連接初始化時(shí)，首先將數(shù)據(jù)恢復(fù)至最新的快照狀態(tài)，然后根據(jù)Checkpoint恢復(fù)數(shù)據(jù)，以保證存儲可靠性

btree與b+tree

雖然遍歷數(shù)據(jù)的查詢是相對常見的，但是 MongoDB 認(rèn)為查詢單個(gè)數(shù)據(jù)記錄遠(yuǎn)比遍歷數(shù)據(jù)更加常見，由于 B 樹的非葉結(jié)點(diǎn)也可以存儲數(shù)據(jù)，所以 查詢一條數(shù)據(jù)所需要的平均隨機(jī) IO 次數(shù)會比 B+ 樹少，使用 B 樹的 MongoDB 在類似場景中的查詢速度就會比 MySQL 快。

這里并不是說 MongoDB 并不能對數(shù)據(jù)進(jìn)行遍歷，我們在 MongoDB 中也可以使用范圍來查詢一批滿足對應(yīng)條件的記錄，只是需要的時(shí)間會比 MySQL 長一些。MySQL 認(rèn)為遍歷數(shù)據(jù)的查詢是常見的，所以它選擇 B+ 樹作為底層數(shù)據(jù)結(jié)構(gòu)

cache

內(nèi)部緩存和文件系統(tǒng)緩存，默認(rèn)情況下內(nèi)部緩存取50％（RAM-1 GB）或256M較大者，文件系統(tǒng)緩存使用所有當(dāng)前可用的RAM。

Wiredtiger的Cache采用Btree的方式組織，每個(gè)Btree節(jié)點(diǎn)為一個(gè)page，root page是btree的根節(jié)點(diǎn)，internal page是btree的中間索引節(jié)點(diǎn)，leaf page是真正存儲數(shù)據(jù)的葉子節(jié)點(diǎn)；btree的數(shù)據(jù)以page為單位按需從磁盤加載或?qū)懭氪疟P，btree的每個(gè)page以文件里的extent形式（由文件offset + size標(biāo)識）存儲

page

ROW_ARRAY: 每個(gè)數(shù)組單元（wt_row）存儲的是這個(gè) kv row 在存儲在磁盤上的 page kv cell 行集合數(shù)據(jù)緩沖區(qū)偏移的位置和編碼方式（這個(gè)位置和編碼方式在 WT 上定義成一個(gè) wt_cell 對象），通過這個(gè)信息偏移位置信息就可以訪問到這一樣在緩沖區(qū)中的 K/V 內(nèi)容值 ROW_UPDATE_ARRAY: 一個(gè) mvcc list 對象，mvcc_list 與 wt_row 是一一對應(yīng)的，mvcc list 當(dāng)中存儲對 wt_row 修改的值，修改的值包括值更新和值刪除，是一個(gè)無鎖單向鏈表

寫操作 遍歷btree，找到需要更新的page如果cache中沒有對應(yīng)的page，會從磁盤中加載page，鍵值對存入WT_ROW如果是insert操作，更新WT_INSERT，如果是update/delete操作，更新WT_UPDATE如果需要，將操作記錄寫入journal

我們通過一個(gè)實(shí)例來說明: 假如一個(gè) page 存儲了一個(gè) [0，100] 的 key 范圍，磁盤上原來存儲的行 key=2， 10 ，20， 30 ， 50， 80， 90，他們的值分別是value = 102， 110， 120， 130， 150， 180， 190。 在 page 數(shù)據(jù)從磁盤讀到內(nèi)存后，分別對 key=2 的 value 進(jìn)行了兩次修改，兩次修改的值是分別 402，502。對 key = 20 ，50 的 value 做了一次修改，修改后的 value = 122， 155，后有分配 insert 了新的 key = 3，5， 41， 99，value = 203，205，241，299。 那么在內(nèi)存中的 page 就是如下圖組織數(shù)據(jù)的：

相鄰的兩 wt_row 之間可能不是連續(xù)的，他們之間可以插入新的單元，例如 row1(key = 2) 和 row2(key=10) 可以插入 3 和 5，這兩個(gè) row 之間需要有一個(gè)排序的數(shù)據(jù)結(jié)構(gòu)（WT用 skiplist 數(shù)據(jù)結(jié)構(gòu)）來存儲插入的 K/V，就需要一個(gè) skiplist 對象數(shù)組 page_insert_array與row array對應(yīng)。這里需要說明的是 圖6 當(dāng)中紅色框當(dāng)中的 skiplist8，它是用于存儲 row1(key=2) 范圍之前的 insert 數(shù)據(jù)，圖中如果有 key =1 的數(shù)據(jù) insert，那么這個(gè)數(shù)據(jù)會新增到 skiplist8 當(dāng)中。

那么圖中row與 insert skiplist 的對應(yīng)關(guān)系就是：

row1 之前的范圍對應(yīng) insert 是 skiplist8row1 和 row2之間對應(yīng)的 insert 是 skiplist1row2 和 row3之間對應(yīng)的 insert 是 skiplist3…row7 之后的范圍對應(yīng)的 insert 是 skiplist7 checkpoint

一個(gè)Checkpoit包含如下元數(shù)據(jù)： root page地址，地址由文件offset，size及內(nèi)容的checksum組成 alloc extent list地址，存儲從上次checkpoint起新分配的extent列表 discard extent list地址，存儲從上次checkpoint起丟棄的extent列表 available extent list地址，存儲可分配的extent列表，只有最新的checkpoint包含該列表 file size 如需恢復(fù)到該checkpoint的狀態(tài)，將文件truncate到file size即可

WAL(journal)

日志文件記錄的是從上一個(gè)checkpoint之后的實(shí)際操作，該文件每100ms或文件大小到達(dá)100M就從緩存同步到磁盤

整體關(guān)系

分布式存儲

架構(gòu)

架構(gòu)圖：

寫數(shù)據(jù)流程：

讀數(shù)據(jù)流程：

到此這篇關(guān)于淺談MongoDB內(nèi)部的存儲原理的文章就介紹到這了,更多相關(guān)MongoDB存儲原理內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！