Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Tout ce que le getting started MongoDB ne vous dira pas

Tout ce que le getting started MongoDB ne vous dira pas

Slides du workshop réalisé durant la conférence Web2Day 2016.

Bruno Bonnin

June 15, 2016
Tweet

More Decks by Bruno Bonnin

Other Decks in Technology

Transcript

  1. Web2Day 2016 #web2day #MongoDB #web2day Tout ce que le getting

    started MongoDB ne vous dira pas Bruno BONNIN - @_bruno_b_ Pierre-Alban DEWITTE - @padewitte
  2. 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(...)
  3. • 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
  4. 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
  5. 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
  6. 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: “...” } }
  7. 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: “...” } }
  8. 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: “...” } }
  9. 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
  10. 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: “...” }
  11. 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
  12. 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
  13. 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: ... }
  14. 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: “...” }
  15. 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)
  16. $lookup Des 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”: “[email protected]” } 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”: “[email protected]” } ] }, … ]
  17. $lookup Collection 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”: “[email protected]” }, { “_id”: “techno_maniac”, “name”: “Jean-Marcel Le Maniac”, “email”: “[email protected]” } ] }, { ... }, … Avec des listes, jouez avec $unwind et $group
  18. 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 modif Conference updatedConf = confCollection.findOneAndUpdate( new Document(), // Query new Document("$push", new Document("speakerIds", "pad")), // Update options);
  19. 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
  20. M • Equivalent pour mongodb de n pour node •

    Simplification du téléchargement • Changement en une commande de version mongodb https://github.com/aheckmann/m
  21. 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
  22. 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 } }
  23. 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” }
  24. 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)
  25. 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
  26. Morphia Nécessaire et suffisant Morphia 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);
  27. 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
  28. Driver Java 3.0 Codec: permet de gérer finement le codage

    en BSON (est-ce bien utile ? bof...) public class ConferenceCodec implements Codec<Conference> { @Override public void encode(BsonWriter writer, Conference conf, EncoderContext ctx) { } @Override public Class<Conference> getEncoderClass() { return Conference.class; } @Override public Conference decode(BsonReader reader, DecoderContext ctx) { } } public class ConferenceCodecProvider implements CodecProvider { @Override public <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
  29. 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"); });
  30. 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 index a. taille moyenne des datas b. 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)
  31. Extraire les statistiques > show collections > count docs >

    count index > db.macollection.count() > db.macollection.stats(1024*1024)
  32. 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
  33. 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 +
  34. 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
  35. Mémoire nécessaire Somme des working-set de chaque collections + 100

    MB pour les binaires + 1 MB par connexion = Mémoire nécessaire
  36. 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/
  37. Quelques banalitées • Sans réseau correct point de salut •

    Toujours un nombre impair de membres • Le journal n’est plus nécessaire
  38. 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-node1 MongoDB shell version: 3.2.4 connecting 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>
  39. 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 • majority J (journal): • True • False Le comportement par défaut peut varier en fonction du driver
  40. Read concern >= 3.2 PRIMARY SECONDARY SECONDARY 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
  41. 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/
  42. 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 3 Node 1
  43. 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
  44. 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)
  45. Stockage : dans la vraie vie... 30 millions de docs

    (10 ko chaque), 20 index Il faut tester
  46. 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
  47. 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
  48. 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
  49. 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
  50. 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/
  51. 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....
  52. 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)
  53. Mtools • La boite à outils indispensable pour analyser les

    logs https://github.com/rueckstiess/mtools
  54. 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
  55. 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- monitoring
  56. • 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
  57. 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
  58. 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
  59. 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
  60. 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
  61. 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
  62. • 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
  63. Les liens à connaitre Se former : • https://university.mongodb.com/ •

    https://www.mongodb.com/presentations/all Les 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
  64. 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
  65. Apache Camel & Groovy def 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 route ProducerTemplate template = camelContext.createProducerTemplate(); template.sendBody("direct:EXTRACT_SQL", "Starting migration"); camelContext.stop()