Day2.MongoDB学习笔记2

一、MongoDB副本集概要

什么是MongoDB副本集？

副本集是一组mongodb进程，它维护了同样的数据集。副本集提供了信息冗余和高可用，是所有生产部署的基础。
客户端，读写操作主节点，然后将数据复制到副节点中。

节点

Primary Node 主节点，一个副本集只能有一个主节点，主要作用接受客户端所有写操作（默认情况下，也可以读取数据），并记录主节点操作日志，副节点复制主节点日志，用其同步数据。
Secondary Node 副节点，复制主节点的操作，并同步其数据，实际上副节点是主节点数据的备份。如果主节点挂掉的话，剩余的副节点会触发选举算法，将其中的一个副节点，选举为主节点。
Replication 通信机制
Heartbeat 心跳检测，主副、副副间都要心跳检测

二、搭建MongoDB副本集（Replication）

主节点中插入一条数据，副节点当中查看是否有同步数据

准备工作，并启动起来三个服务

至少3台服务器
准备3份数据存放目录

//bin目录下，运行server，当作主服务器
./mongod --port 28000 --dbpath=/data/node1/ --bind_ip_all  --replSet rs

//再分别启动两个副服务器
./mongod --port 28001 --dbpath=/data/node2/ --bind_ip_all  --replSet rs
./mongod --port 28002 --dbpath=/data/node3/ --bind_ip_all  --replSet rs

副本集初始化（使用客户端连接任意Mongo Server）

关闭防火墙
./mongo 192.168.153.136:28000	//连接上一个服务

//# 初始化副本集（注意：_id的名字应该和启动参数 `--replSet` value一致）
rs.initiate( {
   _id : "rs",
   members: [
      { _id: 0, host: "192.168.153.136:28000" },
      { _id: 1, host: "192.168.153.136:28001" },
      { _id: 2, host: "192.168.153.136:28002" }
   ]
})

图2.01

rs.status()	//查看副本集状态	"stateStr" : "PRIMARY" //主节点、"SECONDARY" //副节点

测试副本集数据同步
先再主节点，插一条数据看看

连接到其他server

./mongo 192.168.153.136:28001

//查看时，报错，"errmsg" : "not master and slaveOk=false",

原因是因为副本集中默认使用主节点读写数据，副节点只做数据备份，不参与读操作。

db.getMongo().setSlaveOk()	//开启副节点读功能

高可用？选举算法，选副为主
低版本有主从集群，高版本使用副本集代替

//停掉主节点服务，再在测试状态，rs.status()

//原主节点："stateStr" : "(not reachable/healthy)"
//其他节点，有一个副节点变成主节点

三、MongoDB基于副本集完成读写分离

利用Mongo副本集可以搭建一个高可用的集群环境。但是在默认情况下，读写操作都在Primary主节点上进行，在高并发的环境下，Primary的负载较大。那如何解决这个问题呢？，我们可以利用读写分离，就是让，Primary负责写操作，Secondary负责读操作，分摊Primary的压力。
主写副读

MongoDB驱动程序支持的5中读优先级模式

读取首选模式	使用
primary	默认，从主节点读取数据
primaryPreferred	在主节点不可用时，从副节点读取数据
secondary	所有的读操作，从副节点读取数据
secondaryPreferred	在副节点不可用时，从主节点读取数据
nearest	从网络延迟最小的节点获取数据

配置

db.getMongo().setSlaveOk()	/所有副节点开启可读

代码

Spring Data MongoDB
在这里我们使用Spring Data提供的MongoTemplate操作ReplSet（类似Spring Data Redis）
依赖

<dependency>
      <groupId>junit</groupId>
      <artifactId>junit</artifactId>
      <version>4.12</version>
      <scope>test</scope>
    </dependency>


    <dependency>
      <groupId>org.springframework</groupId>
      <artifactId>spring-test</artifactId>
      <version>5.0.2.RELEASE</version>
    </dependency>
    <dependency>
      <groupId>org.springframework.data</groupId>
      <artifactId>spring-data-mongodb</artifactId>
      <version>2.0.2.RELEASE</version>
    </dependency>

    <dependency>
      <groupId>org.slf4j</groupId>
      <artifactId>slf4j-log4j12</artifactId>
      <version>1.7.21</version>
    </dependency>

配置文件 applicationContext.xml

四、MongoDB分片集（Sharding）

Sharding（分片）是一种方法：
分片是一种支持海量数据存储并进行高吞吐量操作的方式。（mysql的分库分表也是分片的体现）
在大数据集和高吞吐量操作的情况下，对单一的服务器硬件要求较高（一般要求算力优异的CPU提供运算能力，RAM或者DISK也要足够大）。
传统的方式就是对服务器硬件进行升级，而这样的做的成本往往很高（垂直扩展）。
而MongoDB提供的分片，其实上就是使用多数的廉价服务器构建成集群，提供海量的数据存储以及并行计算的能力（水平扩展）
分片集群的组件

shard server
用于存储实际的数据块，实际生产环境中一个shard server角色可由几台机器组个一个replica set承担，防止主机单点故障。
config server
顾名思义为配置服务器，存储所有数据库元信息（路由、分片）的配置。
mongos server
数据库集群请求的入口，所有的请求都通过mongos进行协调，不需要在应用程序添加一个路由选择器，mongos自己就是一个请求分发中心，它负责把对应的数据请求请求转发到对应的shard服务器上。在生产环境通常有多mongos作为请求的入口，防止其中一个挂掉所有的mongodb请求都没有办法操作。