一致性哈希算法(consistent hashing)

请说明出处：http://blog.csdn.net/cywosp/article/details/23397179

    一致性哈希算法在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，初衷和CARP十分相似。一致性哈希修正了CARP使用的简 单哈希算法带来的问题，使得分布式哈希（DHT）能够在P2P环境中真正获得应用。 

 

    一致性hash算法提出了在动态变化的Cache环境中，断定哈希算法好坏的四个定义：

 

一、平衡性(Balance)：平衡性是指哈希的结果可以尽量分布到全部的缓冲中去，这样可使得全部的缓冲空间都获得利用。不少哈希算法都可以知足这一条件。

 

二、单调性(Monotonicity)：单调性是指若是已经有一些内容经过哈希分派到了相应的缓冲中，又有新的缓冲加入到系统中。哈希的结果应可以保证原有已分配的内容能够被映射到原有的或者新的缓冲中去，而不会被映射到旧的缓冲集合中的其余缓冲区。 

 

三、分散性(Spread)：在分布式环境中，终端有可能看不到全部的缓冲，而是只能看到其中的一部分。当终端但愿经过哈希过程将内容映射到缓冲上时，因为不一样终端所见的缓冲范围有可能不一样，从而致使哈希的结果不一致，最终的结果是相同的内容被不一样的终端映射到不一样的缓冲区中。这种状况显然是应该避免的，由于它致使相同内容被存储到不一样缓冲中去，下降了系统存储的效率。分散性的定义就是上述状况发生的严重程度。好的哈希算法应可以尽可能避免不一致的状况发生，也就是尽可能下降分散性。 

 

四、负载(Load)：负载问题其实是从另外一个角度看待分散性问题。既然不一样的终端可能将相同的内容映射到不一样的缓冲区中，那么对于一个特定的缓冲区而言，也可能被不一样的用户映射为不一样 的内容。与分散性同样，这种状况也是应当避免的，所以好的哈希算法应可以尽可能下降缓冲的负荷。

 

    在分布式集群中，对机器的添加删除，或者机器故障后自动脱离集群这些操做是分布式集群管理最基本的功能。若是采用经常使用的hash(object)%N算法，那么在有机器添加或者删除后，不少原有的数据就没法找到了，这样严重的违反了单调性原则。接下来主要讲解一下一致性哈希算法是如何设计的：

 

环形Hash空间

按照经常使用的hash算法来将对应的key哈希到一个具备2^32次方个桶的空间中，即0~(2^32)-1的数字空间中。如今咱们能够将这些数字头尾相连，想象成一个闭合的环形。以下图

                                                                         

把数据经过必定的hash算法处理后映射到环上

如今咱们将object一、object二、object三、object4四个对象经过特定的Hash函数计算出对应的key值，而后散列到Hash环上。以下图：

    Hash(object1) = key1；

    Hash(object2) = key2；

    Hash(object3) = key3；

    Hash(object4) = key4；

                                                           

将机器经过hash算法映射到环上

在采用一致性哈希算法的分布式集群中将新的机器加入，其原理是经过使用与对象存储同样的Hash算法将机器也映射到环中（通常状况下对机器的hash计算是采用机器的IP或者机器惟一的别名做为输入值），而后以顺时针的方向计算，将全部对象存储到离本身最近的机器中。

假设如今有NODE1，NODE2，NODE3三台机器，经过Hash算法获得对应的KEY值，映射到环中，其示意图以下：

Hash(NODE1) = KEY1;

Hash(NODE2) = KEY2;

Hash(NODE3) = KEY3;

                                                             

经过上图能够看出对象与机器处于同一哈希空间中，这样按顺时针转动object1存储到了NODE1中，object3存储到了NODE2中，object二、object4存储到了NODE3中。在这样的部署环境中，hash环是不会变动的，所以，经过算出对象的hash值就能快速的定位到对应的机器中，这样就能找到对象真正的存储位置了。

 

机器的删除与添加

普通hash求余算法最为不妥的地方就是在有机器的添加或者删除以后会照成大量的对象存储位置失效，这样就大大的不知足单调性了。下面来分析一下一致性哈希算法是如何处理的。

1. 节点（机器）的删除

    以上面的分布为例，若是NODE2出现故障被删除了，那么按照顺时针迁移的方法，object3将会被迁移到NODE3中，这样仅仅是object3的映射位置发生了变化，其它的对象没有任何的改动。以下图：

                                                              

2. 节点（机器）的添加 

    若是往集群中添加一个新的节点NODE4，经过对应的哈希算法获得KEY4，并映射到环中，以下图：

                                                              

    经过按顺时针迁移的规则，那么object2被迁移到了NODE4中，其它对象还保持这原有的存储位置。经过对节点的添加和删除的分析，一致性哈希算法在保持了单调性的同时，仍是数据的迁移达到了最小，这样的算法对分布式集群来讲是很是合适的，避免了大量数据迁移，减少了服务器的的压力。

 

平衡性

根据上面的图解分析，一致性哈希算法知足了单调性和负载均衡的特性以及通常hash算法的分散性，但这还并不能当作其被普遍应用的起因，由于还缺乏了平衡性。下面将分析一致性哈希算法是如何知足平衡性的。hash算法是不保证平衡的，如上面只部署了NODE1和NODE3的状况（NODE2被删除的图），object1存储到了NODE1中，而object二、object三、object4都存储到了NODE3中，这样就照成了很是不平衡的状态。在一致性哈希算法中，为了尽量的知足平衡性，其引入了虚拟节点。

    ——“虚拟节点”（ virtual node ）是实际节点（机器）在 hash 空间的复制品（ replica ），一实际个节点（机器）对应了若干个“虚拟节点”，这个对应个数也成为“复制个数”，“虚拟节点”在 hash 空间中以hash值排列。

以上面只部署了NODE1和NODE3的状况（NODE2被删除的图）为例，以前的对象在机器上的分布很不均衡，如今咱们以2个副本（复制个数）为例，这样整个hash环中就存在了4个虚拟节点，最后对象映射的关系图以下：

                                                                 

根据上图可知对象的映射关系：object1->NODE1-1，object2->NODE1-2，object3->NODE3-2，object4->NODE3-1。经过虚拟节点的引入，对象的分布就比较均衡了。那么在实际操做中，正真的对象查询是如何工做的呢？对象从hash到虚拟节点到实际节点的转换以下图：

                                         

“虚拟节点”的hash计算能够采用对应节点的IP地址加数字后缀的方式。例如假设NODE1的IP地址为192.168.1.100。引入“虚拟节点”前，计算 cache A 的 hash 值：

Hash(“192.168.1.100”);

引入“虚拟节点”后，计算“虚拟节”点NODE1-1和NODE1-2的hash值：

Hash(“192.168.1.100#1”); // NODE1-1

Hash(“192.168.1.100#2”); // NODE1-2

 

参考：

[1]  http://blog.huanghao.me/?p=14