分布式一致性Hash

转载： https://blog.csdn.net/bntX2jSQfEHy7/article/details/79549368

为何要有Hash一致性算法？就像之前介绍为何要有Spring同样，首先会以历史的角度或者项目发展的角度来分析，今天的分享仍是同样的套路，先从历史的角度来一步步分析，探讨一下到底什么是Hash一致性算法！

1、Redis集群的使用
咱们在使用Redis的时候，为了保证Redis的高可用，提升Redis的读写性能，最简单的方式咱们会作主从复制，组成Master-Master或者Master-Slave的形式，或者搭建Redis集群，进行数据的读写分离，相似于数据库的主从复制和读写分离。以下所示：  

 

 

一样相似于数据库，当单表数据大于500W的时候须要对其进行分库分表，当数据量很大的时候（标准可能不同，要看Redis服务器容量）咱们一样能够对Redis进行相似的操做，就是分库分表。

假设，咱们有一个社交网站，须要使用Redis存储图片资源，存储的格式为键值对，key值为图片名称，value为该图片所在文件服务器的路径，咱们须要根据文件名查找该文件所在文件服务器上的路径，数据量大概有2000W左右，按照咱们约定的规则进行分库，规则就是随机分配，咱们能够部署8台缓存服务器，每台服务器大概含有500W条数据，而且进行主从复制，示意图以下：

 

 

因为规则是随机的，全部咱们的一条数据都有可能存储在任何一组Redis中，例如上图咱们用户查找一张名称为”a.png”的图片，因为规则是随机的，咱们不肯定具体是在哪个Redis服务器上的，所以咱们须要进行一、二、三、4，4次查询才可以查询到（也就是遍历了全部的Redis服务器），这显然不是咱们想要的结果，有了解过的小伙伴可能会想到，随机的规则不行，可使用相似于数据库中的分库分表规则：按照Hash值、取模、按照类别、按照某一个字段值等等常见的规则就能够出来了！好，按照咱们的主题，咱们就使用Hash的方式。

2、为Redis集群使用Hash
可想而知，若是咱们使用Hash的方式，每一张图片在进行分库的时候均可以定位到特定的服务器，示意图以下：

 

 

上图中，假设咱们查找的是”a.png”，因为有4台服务器（排除从库），所以公式为hash(a.png) % 4 = 2 ，可知定位到了第2号服务器，这样的话就不会遍历全部的服务器，大大提高了性能！

3、使用Hash的问题
上述的方式虽然提高了性能，咱们再也不须要对整个Redis服务器进行遍历！可是，使用上述Hash算法进行缓存时，会出现一些缺陷，主要体如今服务器数量变更的时候，全部缓存的位置都要发生改变！

试想一下，若是4台缓存服务器已经不能知足咱们的缓存需求，那么咱们应该怎么作呢？很简单，多增长几台缓存服务器不就好了！假设：咱们增长了一台缓存服务器，那么缓存服务器的数量就由4台变成了5台。那么本来hash(a.png) % 4 = 2 的公式就变成了hash(a.png) % 5 = ？ ， 可想而知这个结果确定不是2的，这种状况带来的结果就是当服务器数量变更时，全部缓存的位置都要发生改变！换句话说，当服务器数量发生改变时，全部缓存在必定时间内是失效的，当应用没法从缓存中获取数据时，则会向后端数据库请求数据（还记得上一篇的《缓存雪崩》吗？）！

一样的，假设4台缓存中忽然有一台缓存服务器出现了故障，没法进行缓存，那么咱们则须要将故障机器移除，可是若是移除了一台缓存服务器，那么缓存服务器数量从4台变为3台，也是会出现上述的问题！

因此，咱们应该想办法不让这种状况发生，可是因为上述Hash算法自己的缘故，使用取模法进行缓存时，这种状况是没法避免的，为了解决这些问题，Hash一致性算法（一致性Hash算法）诞生了！

4、一致性Hash算法的神秘面纱
一致性Hash算法也是使用取模的方法，只是，刚才描述的取模法是对服务器的数量进行取模，而一致性Hash算法是对2^32取模，什么意思呢？简单来讲，一致性Hash算法将整个哈希值空间组织成一个虚拟的圆环，如假设某哈希函数H的值空间为0-2^32-1（即哈希值是一个32位无符号整形），整个哈希环以下：  

 

 

整个空间按顺时针方向组织，圆环的正上方的点表明0，0点右侧的第一个点表明1，以此类推，二、三、四、五、6……直到2^32-1，也就是说0点左侧的第一个点表明2^32-1， 0和2^32-1在零点中方向重合，咱们把这个由2^32个点组成的圆环称为Hash环。

下一步将各个服务器使用Hash进行一个哈希，具体能够选择服务器的IP或主机名做为关键字进行哈希，这样每台机器就能肯定其在哈希环上的位置，这里假设将上文中四台服务器使用IP地址哈希后在环空间的位置以下：  

 

 

接下来使用以下算法定位数据访问到相应服务器：将数据key使用相同的函数Hash计算出哈希值，并肯定此数据在环上的位置，今后位置沿环顺时针“行走”，第一台遇到的服务器就是其应该定位到的服务器！

例如咱们有Object A、Object B、Object C、Object D四个数据对象，通过哈希计算后，在环空间上的位置以下： 

 

 

根据一致性Hash算法，数据A会被定为到Node A上，B被定为到Node B上，C被定为到Node C上，D被定为到Node D上。

5、一致性Hash算法的容错性和可扩展性
现假设Node C不幸宕机，能够看到此时对象A、B、D不会受到影响，只有C对象被重定位到Node D。通常的，在一致性Hash算法中，若是一台服务器不可用，则受影响的数据仅仅是此服务器到其环空间中前一台服务器（即沿着逆时针方向行走遇到的第一台服务器）之间数据，其它不会受到影响，以下所示：

 

 

下面考虑另一种状况，若是在系统中增长一台服务器Node X，以下图所示：

 

此时对象Object A、B、D不受影响，只有对象C须要重定位到新的Node X ！通常的，在一致性Hash算法中，若是增长一台服务器，则受影响的数据仅仅是新服务器到其环空间中前一台服务器（即沿着逆时针方向行走遇到的第一台服务器）之间数据，其它数据也不会受到影响。

综上所述，一致性Hash算法对于节点的增减都只需重定位环空间中的一小部分数据，具备较好的容错性和可扩展性。

6、Hash环的数据倾斜问题
一致性Hash算法在服务节点太少时，容易由于节点分部不均匀而形成数据倾斜（被缓存的对象大部分集中缓存在某一台服务器上）问题，例如系统中只有两台服务器，其环分布以下： 

 

 

此时必然形成大量数据集中到Node A上，而只有极少许会定位到Node B上。为了解决这种数据倾斜问题，一致性Hash算法引入了虚拟节点机制，即对每个服务节点计算多个哈希，每一个计算结果位置都放置一个此服务节点，称为虚拟节点。具体作法能够在服务器IP或主机名的后面增长编号来实现。

例如上面的状况，能够为每台服务器计算三个虚拟节点，因而能够分别计算 “Node A#1”、“Node A#2”、“Node A#3”、“Node B#1”、“Node B#2”、“Node B#3”的哈希值，因而造成六个虚拟节点： 

 

 

同时数据定位算法不变，只是多了一步虚拟节点到实际节点的映射，例如定位到“Node A#1”、“Node A#2”、“Node A#3”三个虚拟节点的数据均定位到Node A上。这样就解决了服务节点少时数据倾斜的问题。在实际应用中，一般将虚拟节点数设置为32甚至更大，所以即便不多的服务节点也能作到相对均匀的数据分布。

7、总结上文中，咱们一步步分析了什么是一致性Hash算法，主要是考虑到分布式系统每一个节点都有可能失效，而且新的节点极可能动态的增长进来的状况，如何保证当系统的节点数目发生变化的时候，咱们的系统仍然可以对外提供良好的服务，这是值得考虑的！