View
283
Download
0
Category
Preview:
Citation preview
Web2Day 2016 #web2day
#MongoDB #web2day
Tout ce que le getting started MongoDB ne vous dira pas
Bruno BONNIN - @_bruno_b_Pierre-Alban DEWITTE - @padewitte
Bruno BONNIN
Architecte logiciel
https://about.me/brunobonnin
Getting started with MongoDB
# Installation de Mongodb > sudo apt-get install mongodb
# Lancement du serveur> sudo service mongod start
# Import de données> mongoimport --db test --collection restaurants --drop --file primer-dataset.json
# Lancement du shell> mongo
// On s’amuse avec quelques commandes CRUD
>>> db.restaurants.insert(...)
>>> db.restaurants.find(...)
>>> db.restaurants.delete(...)
● Cette présentation est truffée de mauvaise foi
● Ne prenez pas tout, adaptez vous à votre contexte
● Notre but est de vous donner envie d’aller chercher la bonne information
Des documents !
● MongoDB stocke des documents○ Structure de données hiérarchique○ Un champ peut être un type de base (entier, string,
booléen), une liste, un objet (= sous-document)RDBMS MongoDB
Database Database
Table Collection
Enregistrement Document
Colonne Champ
Index Index
Jointure $lookup, sous-document, lien
Modèle relationnel et normalisation
● Data rangées dans les bonnes cases, pas de redondance de l’information
○ C’est beau, c’est carré !
● Mais, attention aux performances lors des recherches sur les disques de l’info dans les différentes tables
La réponse de MongoDB
Pensez...
Dénormalisation
Documents
Usages
Personne
nom adresseId
... ...
Adresse
id code_postal ville
... ... ...
Personne{ nom: “...”, code_postal: “...”, ville: “...”}
Personne{ nom: “...”, adresse: { code_postal: “...”, ville: “...” }}
Document, sous-document, ...
Avantages d’un seul document :
● locality : stockage de toute l’info au même endroit sur le disque
● consistency : comme il n’y pas de transaction, MongoDB assure que l’update d’un doc est atomique
Personne{ nom: “...”, adresse: { code_postal: “...”, ville: “...” }}
Document, sous-document, ...
Désavantages d’un seul document :
● On peut récupérer plus d’info qu’on n’en a réellement besoin○ on peut utiliser les projections dans les
queries (ok d’un point de vue réseau),○ mais cela n’empêche le document d’
être entirèrement présent en mémoire avant d’être retourné au client
Personne{ nom: “...”, adresse: { code_postal: “...”, ville: “...” }}
Références entre docs
Avantages à séparer dans plusieurs docs ?
● Flexibilité○ Changement sur une collection
sans impact sur les autres
Personne{ nom: “...”, adresseId: 123}
Adresse{ adresseId: 123, code_postal: “...”, ville: “...”}
● Cardinalité forte / gros document:○ Attention à la place mémoire (document
déserialisé en mémoire)○ Taille max des docs: 16Mo
Références entre docs
Désavantages à séparer dans plusieurs docs ?
● On risque d’avoir à gérer des jointures dans l’application, compliqué !
● Ou utilisation de $lookup : a des contraintes fortes !
Personne{ nom: “...”, adresseId: 123}
Adresse{ adresseId: 123, code_postal: “...”, ville: “...”}
Modélisation: quelques règles simples
1..1
1 seule collection Personne- Avec un sous-document
“carte_vitale”
Collection “Personne”
{ nom: “...”, carte_vitale: { date_emission: “...”, cnam: “...” }}
Personne Carte Vitale
Modélisation: quelques règles simples
1 seule collection Personne- Avec une liste de sous-
documents “adresse”
1..peu
Collection “Personne”
{ nom: “Séraphin Lampion”, adresses: [ { rue: “rue de la Roquette”, ville: “Paris” }, { rue: “chemin du chateau”, ville: “Moulinsart” } ]}
Personne Adresse
Modélisation: quelques règles simples
2 collections Voiture et Composant- C’est Voiture qui référence les composants
1..beaucoup
Collection “Voiture”
{ marque: “...”, modele: “...”, composants: [ “Id_101”, “Id_22”, “Id_345”, … ]}
Voiture Composant
Collection “Composant”
{ id: “...”, type: “...”, prix: ...}
Modélisation: quelques règles simples
2 collections Systeme et Log- C’est Log qui référence le parent !
1..énormément
Collection “Système”
{ id: “...”, host: “...”, ...}
Système Log
Collection “Log”
{ date: “...”, level: “...”, id_systeme: “...”}
Et concernant l’usage...
Ne pas oubliez d’en tenir compte !
● “J’ai besoin de l’ensemble des données à chaque requête”○ Mettez tout dans une seule collection
● “J’ai besoin d’en avoir seulement une partie”○ Faites plusieurs collections et des références ○ Ex: les posts d’un blog et leurs commentaires :
■ 2 besoins : affichage liste des posts + affichage post avec commentaires
■ Modélisation avec 2 collections (posts, comments)
$lookupDes jointures ! c’est un début…● Left outer join● Uniquement avec des collections non shardées
Collection Conference{ “title”: “Plein de mots-clefs hyper cools...”, “description”: “Refaites votre SI avec tout ça, sinon vous êtes mort!”, “speaker_id”: “techno_maniac”
}
Collection Speaker{ “_id”: “techno_maniac”, “name”: “Jean-Marcel Le Maniac”, “email”: “le_maniac@web2day.org”}
Exemple $lookup
db.Conference.aggregate( [ { “$lookup”: { “from”: “Speaker”, “localField”: “speaker_id”, “foreignField”: “_id”, “as”: “speaker_infos” } } ] )
[ { “title”: “Plein de mots-clefs hyper cools...”, “description”: “Refaites votre SI avec…”, “speaker_id”: “techno_maniac”, “speaker_infos”: [ { “_id”: “techno_maniac”, “name”: “Jean-Marcel Le Maniac”, “email”: “le_maniac@web2day.org” } ]}, … ]
$lookupCollection Conference{ “title”: “Plein de mots-clefs hyper cools...”, “description”: “Refaites votre SI avec ça”, “speaker_ids”: [ “miss_techno”, “techno_maniac” ]}
Exemple $lookup
db.Conference.aggregate( [ { $unwind: “$speaker_ids” }, { $lookup: { from: “Speaker”, localField: “speaker_ids”, foreignField: “_id”, as: “speakers_infos” } }, { $group: { _id: “$_id”, title: { $first: “$title” }, speakers: { $push: “$speakers_infos” } } } ] )
{ “title”: “Plein de mots-clefs hyper cools...”, “speakers”: [{ “_id”: “miss_techno”, “name”: “Jeanne-Irene La Maniac”, “email”: “miss_techno@web2day.org” }, { “_id”: “techno_maniac”, “name”: “Jean-Marcel Le Maniac”, “email”: “le_maniac@web2day.org” } ] }, { ... }, …
Avec des listes, jouez avec $unwind et $group
Pas de transaction, mais...
Ne pas oublier qu’il existe des méthodes findAndXXX permettant d’exécuter des actions de manière atomique
FindOneAndUpdateOptions options = new FindOneAndUpdateOptions().returnDocument(ReturnDocument.AFTER); // UpdatedConf contient les données de la conférence suite à la modifConference updatedConf = confCollection.findOneAndUpdate( new Document(), // Query new Document("$push", new Document("speakerIds", "pad")), // Update options);
Mongo-hacker
● Le shell MongoDB vitaminé○ Colorisation○ Alias pour compter collections, documents et
indexes○ Alias pour aggrégations gcount, gavg, gsum
● Toujours nécessaire notamment quand la base n’est pas accessible directement
https://github.com/TylerBrock/mongo-hacker
M
● Equivalent pour mongodb de n pour node● Simplification du téléchargement● Changement en une commande de version
mongodb
https://github.com/aheckmann/m
Versionner vos documents
Il n’existe pas de solutions toutes faites proposées par MongoDB
Prenons quelques exigences (il y en a d’autres):● Récupération de la dernière version lors des requêtes● Pas d’incohérence● System failure: il faut pouvoir revenir à un système
cohérent
Versionner vos documents
Quelles sont les possiblités ?
● Un nouveau document par nouvelle version, avec un champ “current”
● Stockage de toutes les versions dans un même document
{ docId: 12, v: 1, color: “red” }{ docId: 12, v: 2, color: “red”, count: 3 }{ docId: 12, v: 3, color: “blue”, count: 3, current: true }
{docId: 12, previous: [ { v: 1, color: “red” }, { v: 2, color: “red”, count: 3 } ],
Current: { v: 3, color: “blue”, count: 3, current: true }}
Versionner vos documents
Quelles sont les possiblités (suite) ?
● 2 collections: 1 pour la dernière version et une autre pour l’historique
● Stockage des deltas uniquement
Collection PREV:{ docId: 12, v: 1, color: “red” }{ docId: 12, v: 2, color: “red”, count: 3 }
Collection CURRENT:{ docId: 12, v: 3, color: “blue”, count: 3 }
{ docId: “123”, v: 1, color:”red” }{ docId: “123”, v: 2, count: 3 }{ docId: “123”, v: 3, color:”blue” }
Versionner vos documents
Type Avantages Désavantages
1 nouveau doc par version (avec champs “current” et “version”)
Find rapide/facile (ajout du champ “current” dans la query pour avoir la dernière version)
Risque d’incohérence lors des updates car mises-à-jour de plusieurs docs
Toutes les versions dans un même document
Find rapide/facile (ne pas oublier de filtrer sur les anciennes versions)Update : il faut jongler avec la partie “current” et la partie “previous”
Taille max des docs: attention à ne pas arriver à la taille max (update impossible !).
2 collections (une current, une historique)
Find rapide/facile Risque d’incohérence lors des updates car mises-à-jour de plusieurs docs / collections
1 nouveau doc par update avec stockage des deltas
Update simple: création d’un nouveau doc avec les mises-à-jour (pas touche à l’ancienne version)
Find complexe: reconstruction du doc peut être compliqué (nécessite plusieurs docs pour reconstruire le foc final)
ORM ou plutôt ODM
Avant-propos: eh oui, on est mono-maniaque et on ne développe qu’en Java !
● Driver Java○ Évolue bien, mais bas niveau
● Morphia○ Intéressant
● Spring Data MongoDB○ C’est Spring...
● Jongo○ Fun !
● Encore d’autres que l’on ne connait pas
Morphia
Nécessaire et suffisantMorphia morphia = new Morphia();morphia.map(Conference.class, Speaker.class);
Datastore datastore = morphia.createDatastore(client, "web2day2016");
Conference conf = new Conference("Have fun With MongoDB", "@padewitte", "@_bruno_b_");
datastore.save(conf);
List<Conference> confWithPAD = datastore.find(Conference.class) .filter("speakers", "@padewitte") .field("speakers").sizeEq(1) .asList();
datastore.createAggregation(Conference.class) .unwind("speakers") .project(projection("twitterHandle", "speakers"), projection("title")) .group("twitterHandle", grouping("conferences", addToSet("title"))) .out(Speaker.class);
Driver Java 3.0
Nouvelles classes (les anciennes sont toujours là, hélas…)// A OUBLIER !!!! DB db = mongoClient.getDB("web2day2016");DBCollection dbCollection = db.getCollection("conferences");
Iterator<DBObject> confIter = dbCollection.find().iterator();
// Utilisation d’un mapper pour convertir les DBObjects en objets métier
MongoDatabase db = mongoClient.getDatabase("web2day2016");MongoCollection<Document> dbCollection = db.getCollection("conferences");
// Ou en utilisation directe de la classe métier
MongoCollection<Conference> dbCollection = db.getCollection("conferences", Conference.class);
MongoCursor<Conference> conferences = confCollection.find().iterator();
// Il ne faut pas oublier de déclarer un codec pour la classe Conference
Driver Java 3.0
Codec: permet de gérer finement le codage en BSON (est-ce bien utile ? bof...)
public class ConferenceCodec implements Codec<Conference> {
@Overridepublic void encode(BsonWriter writer, Conference conf,
EncoderContext ctx) { }
@Overridepublic Class<Conference> getEncoderClass() {
return Conference.class;}
@Overridepublic Conference decode(BsonReader reader,
DecoderContext ctx) { }}
public class ConferenceCodecProvider implements CodecProvider {
@Overridepublic <T> Codec<T> get(Class<T> clazz,
CodecRegistry registry) { if (clazz == Conference.class) { return (Codec<T>) new ConferenceCodec(); } return null;
}
}
Utilisation d’un codec générique (projet à suivre!):➔ https://github.com/ylemoigne/mongo-jackson-codec
Driver Java 3.0
Async API (mêmes noms de classes, pas le même package)
// Async Database et Collection//MongoDatabase db = client.getDatabase("web2day2016");MongoCollection<Conference> collection = db.getCollection("conferences", Conference.class);
Conference conference = new Conference( "Framework TrucMachinChoseJS et Dockerification de mes microservices", "C'est trop cool !", new Speaker("JsAndDockerAndMicroServicesManiac"));
// Insertion d’un élément => il faut fournir une callback//collection.insertOne(conference, (final Void result, final Throwable t) -> { System.out.println("Conference inserée"); });
Estimer la volumétrie
1. Prototyper et concevoir une première version du schéma
2. Extraire les statistiques de taille de chaque collection pour les datas et les indexa. taille moyenne des datasb. taille moyenne des indexes
3. Pour chaque collection, estimer un nombre de documents
4. Appliquer un coefficient multiplicateur (un conseil, à cacher le dans une formule d’excel)
Extraire les statistiques
> show collections
> count docs
> count index
> db.macollection.count()
> db.macollection.stats(1024*1024)
Le working set
● Portion des données utilisée fréquemment● Attention aux batchs réalisant une lecture
complète d’une collection
● Idéalement la taille du working set doit correspondre à la taille de la RAM
Taille sur disque d’une collection
Taille moyenne d’un document Taille data=* Nb de
doc.
Taille moyenne des indexes
Taille indexes=* Nb de
doc.=
Taille sur disque
+
Taille du working-set d’une collection
Taille data=* Nb de doc.
Taille indexes=* Nb de
doc.=
Taille working-set
+
Proportion data utile
*
Taille moyenne d’un document
Taille moyenne des indexes
Mémoire nécessaire
Somme des working-set de chaque collections
+100 MB pour les binaires
+1 MB par connexion
=Mémoire nécessaire
CPU
● 4 vCPU pour un moteur NMAP● 8 vCPU voir plus pour un moteur wiredtiger
http://lamada.eu/blog/2016/04/26/mongodb-how-to-perform-sizing-capacity-planning/
Quelques banalitées
● Sans réseau correct point de salut● Toujours un nombre impair de membres● Le journal n’est plus nécessaire
Configurer un replica-set
Rien de plus simple !● Sur chacun de vos serveurs:
● Connexion sur un des nodes:
$ mongod --dbpath /data/mongo --replSet web2day_rs
$ mongo --host mongod-node1MongoDB shell version: 3.2.4connecting to: mongod-node1:27017/test>> rs.initiate({_id:"web2day_rs", members:[ {_id:0,host:"mongod-node1:27017"}, {_id:1,host:"mongod-node2:27017"}]}){"ok":1}
web2day_rs:PRIMARY>
Write concern
https://docs.mongodb.org/manual/core/replica-set-write-concern/
{ w: <value>, j: <boolean>,wtimeout: <nb> }
W (write): ● 0 - acknowledge● 1,2,... x● majorityJ (journal): ● True ● False
Le comportement par défaut peut varier en fonction du driver
Read concern >= 3.2
PRIMARY
SECONDARYSECONDARY
T0 : Demande ecriture avec w : majority
OK
KO KO
T1 : Lecture sans read concern
T2 : Annulation écriture
T1 : Lecture sans read concern d’une donnée incorrecte
Read concern >= 3.2
Pour se prémunire de ces cas de lecture non intègre
Attention non appliqué aux findAndModify
readConcern: { level: <"majority"|"local"> }
https://docs.mongodb.com/manual/reference/read-concern/
Lister si possible l’ensemble des noeuds du replica-set pour assurer la reconnexion des clients au cluster
Attention aux param. de vos clients
mongodb://node1:27017// Connexion au cluster impossible si node 1 down
mongodb://node1:27017,node2:27017,node3:27017// Connexion possible malgré un noeud absent
Node 2(Primary)
Node 3Node 1
Attention au chainage
https://docs.mongodb.org/manual/reference/replica-configuration/#rsconf.settings.chainingAllowed
PRIMARY
SECONDARY
SECONDARY SECONDARY(hidden)
Storage engine
MongoDB s’adapte aux différents use cases en fournissant plusieurs moteurs de stockage
● MMAPv1: présent depuis le début● WiredTiger : depuis la 3.0 et par défaut à partir de la 3.2● In memory ( 3.2.6-rc0 )● Autres moteurs (RocksDB, Tokumx)
Pour un noeud donné, on ne peut pas changer de type, mais on peut avoir des nodes avec diff. engines
Mettez un tigre dans votre moteur
Super performant en écriture !➔ Lock au niveau du document (et plus au niveau de la
collection)
Gain de place:➔ Support de la compression pour les collections, les
index, les journaux○ Snappy: par défaut pour les docs et les journaux
■ 70% de taux de compression, peu de surcoût en CPU○ Zlib: meilleure compression (mais surcoût de CPU)
Sécurité:➔ Support du chiffrement au niveau du stockage
(uniquement pour MongoDB enterprise)
Et pour finir, soyons joueur !
● Plusieurs types peuvent co-exister au sein d’un même replica set
● On peut imaginer:○ Un node pour les lectures => MMAPv1○ Un node pour les écritures => WiredTiger
Node 1 avec WiredTiger
Node 2 avec MMAPv1
Data ingestion Data Read
Replica set
Testez en environnement cible
● Update et remove doivent inclure la clé de sharding
● La lecture sur les secondaires est à éviter tant que possible (orphans)
● Limites sur l’aggrégation ○ pas de join depuis une collection shardée○ optimisation largement dépendante des données
Si jamais vous êtes encore motivés
● Sans réseau correct point de salut● Colocaliser les MongoS avec vos
applications● N’oubliez pas de sauvegarder les Config
Server (pas de reconstruction possible simplement)
● Faites vérifier votre architecture par un ami
Quand sharder ?
● Quand ce n’est pas votre premier projet MongoDB en production
● Quand vous pouvez acheter quelques machines de plus (à minima triplement du nombre de machine)
● Quand il n’est pas possible de faire autrement ○ Envisager d’abord la scalabilité verticale ○ Monitorer la taille de votre working set pour
anticiper le plus possible cette opération
Les points d’attention
● Privilegier autant que possible le sharding hashé
● Choisissez bien vos clées de sharding● Surveiller les plages de lancement du
balancer● Nettoyer régulièrement les orphans● Ne jamais lire sur un secondary si l’
exactitude de la donnée est critique
https://docs.mongodb.org/manual/reference/command/cleanupOrphaned/https://www.kchodorow.com/blog/2011/01/04/how-to-choose-a-shard-key-the-card-game/
La check list
● Activer l’authentification et ne configurer que les rôles nécessaires
● Limiter la surface d’attaque réseau et d'exposer pas votre base hors d’une zone réseau dédiée
● Lancer mongodb avec un user system dédié● Préférer si possible l’installation via un
paquet plûtot que la tarball● Si besoin activer le cryptage de la base et
autres options avancées
https://docs.mongodb.com/manual/administration/security-checklist/https://s3.amazonaws.com/info-mongodb-com/MongoD....
Mongo tools
● Log avec requêtes lentes et cursor.explain()
● mongotop : stats (temps) lecture/ecriture par collection
● mongostat : stats système de l’instance○ insert, query, update, delete (nombre de requêtes/s)○ getmore command flushes ○ mapped (MMAPv1), vsize, res○ faults (MMAPv1)○ qr|qw (queue)○ ar|aw (active clients)
Mtools
● La boite à outils indispensable pour analyser les logs
https://github.com/rueckstiess/mtools
Le minimum à superviser
● Espace libre● Nombre de connexions réseau● Nombre de fichiers ouverts● Mémoire utilisée
Dans le cas d’un replica-set :● Statut dans le replica-set● Présence de fichiers dans le répertoire
rollbacks
Les solutions
● Zabbix○ Set de graph et d’alarmes préconfigurées○ Il faudra mettre les mains dans PHP
● Nagios○ Nombreux check à ajouter○ Accompagné du plugin CACTI il est aisé de se
construire une métrologie○ Il faudra mettre les mains dans Python
● Votre script dans votre langage de prédilection
https://github.com/nightw/mikoomi-zabbix-mongodb-monitoringhttps://github.com/mzupan/nagios-plugin-mongodb
● Quelques scripts inspirés de nixCraft - http://www.cyberciti.biz/ pour la supervision système
● Mongotop et Monstat alimentant un fichier● Des scripts englobants les commandes
mongo :○ rs.status()○ db.stats()○ collections.stats()
La solution à pas cher
MongoDump / MongoRestore
● Tool de Mongo permettant la sauvegarde● Dans le cas d’un replica set utiliser l’option --
oplog à la sauvegarde et la restauration pour backuper un maximum d’enregistrement
● Il est nécessaire d’avoir la place disponible et peut prendre beaucoup de temps
Copie des fichiers
● Il est possible de backuper par copie des fichiers
● Dans le cas de MMAP il est indispensable d’activer le journal et que celui ci soit présent sur le même volume que les données
● Dans le cas d’un replica set préférer la sauvegarde sur le primary ou alors s’assurer que le secondary source de la sauvegarde n’est pas en retard
● Si vous pouvez vous le permettre préférez stopper l’instance
Faire son propre “Point in time …”
● Si jamais vous avez un oplog couvrant l'intervalle de temps entre une sauvegarde et le moment auquel vous pouvez restaurer il est possible de ne pas perdre de données
● Commencer par isoler un membre puis sauvegarder l’oplog
● http://www.codepimp.org/2014/08/replay-the-oplog-in-mongodb/
● A tester absolument dans un environnement non cible la première fois
MongoDB Cloud Manager Backup
● De loin la solution la plus simple mais nécessite une souscription
● Fonctionne par lecture de l’oplog en continue
● Permet le point in time recovery● Disponible dans le cloud ou dans votre
réseau● Si auto-herbergé la machine de backup doit
être aussi puissante avec encore plus de stockage que vos autres machines
Solution idéale
● Un backup idéal est un backup testé
● Pour des petits volumes MongoDump est suffisant
● Les outils de MongoDB corp sont les plus simple à utiliser
● Un bon schéma doit répondre :○ Aux besoins métier○ Aux exigences de performance
● Pour bien connaitre le besoin, il faut le développer et le tester
● Pour savoir si l’application répond aux exigences de performance, il faut la tester
● Les tests doivent commencer avec le développement
● Pour tester rapidement, il faut déployer rapidement
En résumé
Les liens à connaitre
Se former :● https://university.mongodb.com/● https://www.mongodb.com/presentations/allLes indispensables :● https://docs.mongodb.
org/manual/administration/production-checklist/● https://docs.mongodb.org/manual/faq/diagnostics/Pour compléter :● http://dba.stackexchange.
com/questions/121160/mongodb-mmapv1-vs-wiredtiger-storage-engines
● https://objectrocket.com/blog/company/mongodb-wiredtiger
● http://zanon.io/posts/mongodb-storage-engine-mmap-or-wiredtiger
mongo-connector
● Ecrit et maintenu par MongoDB en python● Permet de copier depuis MongoDB vers :
○ ElasticSearch○ Solr○ Mongodb○ Postgresql
● Peut permettre de synchroniser une base de préproduction avec la production simplement
● Idéal pour des duplications sans transformation
https://github.com/mongodb-labs/mongo-connector
Apache Camel & Groovydef ds = new OracleDataSource(... )SimpleRegistry registry = new SimpleRegistry();registry.put("myDataSource", ds);def camelContext = new DefaultCamelContext(registry)camelContext.addRoutes(new RouteBuilder() { def void configure() {
from("direct:EXTRACT_SQL") .setHeader("table", constant("CONFERENCES")) .setBody().constant("select * where (CONFERENCES.DATMAJ > sysdate - 2 )") .to("jdbc:myDataSource?outputType=StreamList&useHeadersAsParameters=true") .split(body()).streaming().process(confProcessor) .to("mongodb:myDb?database=mymongo_databse&collection=conferences&operation=save") .end() }})camelContext.start() // send a message to the routeProducerTemplate template = camelContext.createProducerTemplate();template.sendBody("direct:EXTRACT_SQL", "Starting migration");
camelContext.stop()
Recommended