傻瓜式理解之一致哈希（仅供初学者理解）

傻瓜式理解之一致哈希（仅供初学者理解）

最近在电商框架中接触到了REDIS，在讲解旧版本的REDIS利用一致哈希来分配存储数据到多个节点中，不过在新版本的REDIS中已经摒弃了一致哈希的原理，REDI采用了新的CLUSTER技术，引入了哈希槽的概念，采用了数据分片的形式来分配数据到不同节点中。但是在分布式领域中还有大量的框架采用了一致哈希算法，所以个人就对一致哈希小研究一下，做出如下总结，仅供自己及初学者理解的目的来写的这篇文章。

一、好的哈希算法的定义：

首先一致哈希对这个名词的理解其实就是通过哈希算法将需要存储的数据或其他的形式，按照四个定义存储到各个节点当中。
1、平衡性（BALANCE）：从字面意思理解就可以，加入用户定义了3个节点来存储或者缓存数据，好的哈希算法一定要将所有数据平均分配到各个节点当中，以免出现某个节点当中数据过多溢出，而另外的节点处于空闲状态。
2、单调性（MONOTONICITY）：如果但从字面意思上理解其实有点困难，但是简单来解释一下还是比较容易理解的。单调性是指加入用户原本配置了3个节点，如果在业务中需要增加需求或者减少需求，就出现了节点的增多或减少，但是随着节点数的变化，原集群中的数据也要做出相应的变化。例如增加节点的话哈希算法要能够保证原本3个节点的数据，可以动态的按照平衡性来分配到新增的节点上或者减少某个节点的数据分配到剩余的节点上。
3、分散性(SPREAD):也是比较难理解之一，尽量用简单的语言叙述清楚。在分布式环境中，为了保证客户端使用简便，对缓冲区的具体分布式不可见的，所以一般的哈希算法都会出现将相同的数据分配到不同的节点上，这样在运行中就出现了资源的浪费，但是再好的哈希算法也会出现分散性，所以要尽量的降低分散性。
4、负载（LOAD）：大体和分散性比较相似，但是于分散性不同的是负载的情况是不同的客户终端将相同的数据映射到同一节点中，同样造成了资源的浪费，所以要求好的哈希算法将负载的情况压到尽可能低。

二、环形哈希空间

好的哈希算法为了尽量满足上述四个条件，哈希算法将对应的KEY哈希到一个具有2的32次方的空间中，我们可以把他像想成为一个圆形被平均分为了2的32次方-1的很小一个一个的空间，按照KEY的值将数据存储到其中的一个空间中。

![引用百度的图片](https://img-blog.csdn.net/20160306211005075)

当把数据根据KEY值映射到某一块的空间时，哈希会根据圆的顺时针方向将数据归纳到下一个节点当中，这样就很好的解决了上述提到的单调性的问题，不管新增还是删除节点，都可以保证数据动态的被归纳到顺时针的下一个节点当中。
同时为了满足平衡性的要求，一致哈希算法引入了虚拟节点的概念，她其实是实际在哈希空间的复制品，类似于电脑系统中的虚拟机中的系统，利用虚拟节点就可以使所有节点在整个空间中的分布更加均匀，也就满足了平衡性。并且当一个实际节点宕机或者挂掉的时候，他的虚拟节点会移动到下一个节点作为他们的父节点，同时保证了数据的一致性。