分布式系统中的一致性hash初探

　　在分布式式系统中，为了分散访问压力，每一个模块须要由多个节点组成集群，共同来提供服务，客户端根据必定的负载均衡策略来访问集群的各个节点，由此引入了一些问题，如在访问压力增大的状况须要要增长节点，或是集群其中的一个节点忽然挂掉，如何将原有节点上的请求压力从新负载到新的节点集群上。

　　咱们经常使用的负载均衡策略有随机（加权）、轮询，最小链接数、最短响应时间，哈希，以及咱们今天要说的一致性hash。

1、一致性hash与其余负载均衡策略的对比

　　首先咱们来分析下一致性hash相对前面几种负载均衡策略的优点，

　　轮询：各个服务器的性能可能不一致，该策略将节点视为等同，与实际中复杂的环境不符。加权轮询为轮询的一个改进策略，每一个节点会有权重属性，可是由于权重的设置难以作到随实际状况变化，仍有必定的不足

　　随机：与轮询相似，根据不一样的随机算法随机访问各个节点，可经过加权作必定扩展。

　　最小响应时间：经过记录每次请求所需的时间，得出平均的响应时间，而后根据响应时间选择最小的响应时间。该策略能较好地反应服务器的状态，可是因为是平均响应时间的关系，时间上有些滞后，没法知足快速响应的要求。所以在此基础之上，会有一些改进版本的策略，如只计算最近若干次的平均时间的策略等

　　最小链接数：把请求分配给活动链接数最小的后端服务器。它经过活动来估计服务器的负载。比较智能，但须要维护后端服务器的链接列表。

　　最小并发数：客户端的每一次请求服务在服务器停留的时间可能会有较大的差别,随着工做时间加长,若是采用简单的轮循或随机均衡算法,每一台服务器上的链接进程可能会产生较大的不一样,并无达到真正的负载均衡｡最小并发数的策略则是记录了当前时刻，每一个备选节点正在处理的事务数，而后选择并发数最小的节点。该策略可以快速地反应服务器的当前情况，较为合理地将负责分配均匀，适用于对当前系统负载较为敏感的场景。

　　哈希：上面几种负载均衡方式在对于后端来讲，有个重要的问题是如果一系列业务的多个请求，会被负载到几个节点上，不利于统一处理，而相同业务都负载到同一节点还有利于提升缓存命中率，便于维护长链接等，常见的hash有hash取模根据业务的须要，将对应属性取得hash值，而后除以节点个数，取余数分布到不一样对应编号的节点上。可是有个缺点是在增减节点的时候，需将全部的请求从新计算负载节点，较为耗费资源。

　　

2、一致性hash的背景

　　一致性哈希算法(Consistent Hashing)在1997年由麻省理工学院提出的一种分布式哈希（DHT）实现算法，设计目标是为了解决因特网中的热点(Hot spot)问题。

3、一致性hash的算法实现概要

　　先构造一个长度为2³²的整数环（这个环被称为一致性Hash环），根据节点名称的Hash值（其分布为[0, 2³²-1]）将服务器节点放置在这个Hash环上，而后根据数据的Key值计算获得其Hash值（其分布也为[0, 2³²-1]），接着在Hash环上顺时针查找距离这个Key值的Hash值最近的服务器节点，完成Key到服务器的映射查找。