Redis-Hash一致性算法

背景

举例说明：

Redis实例：cs1，cs2，cs3

需存储的数据：10000条商品数据

数据与Redis实例的映射方法： hash(商品数据Key) % （Redis实例的个数）

这样，我们就可以将10000条数据利用hash并取模的形式存储到对应的Redis实例中。

这样会出现一个问题，Redis实例的个数可能是变化的，当增加或减少实例时，映射就会改变，若数据量大，将会出现大批量redis请求找不到的情况，会造成缓存击穿甚至缓存雪崩。Hash一致性算法能在一定程度上解决这个问题。

Hash一致性算法介绍

一致性哈希算法通过一个叫作一致性哈希环的数据结构实现。这个环的起点是 0，终点是 2^32 - 1，并且起点与终点连接，故这个环的整数分布范围是 [0, 2^32-1]，如下图所示：

我们先将Redis的三个实例，cs1,cs2,cs3hash取模之后得到对应的值t1,t2,t3，如下图所示。然后将四条商品信息hash取模之后得到对应的值k1,k2,k3,k4,如图所示。按顺时针方向为商品信息找对应的Redis实例，遇到的第一个示例就是商品信息所需存储的位置，如k1,k3->t1、k4->t3、k2->t2。

若新增一个Redis实例cs4,hsh取模后得到t4,如图所示，则有一部分商品信息将会变化所存储的Redis实例，如k3->t1将会变成k3->t4。虽然会有一部分缓存将失效，但大部分缓存仍旧有效。

 一致性hash问题及解决方法

偏斜情况

上图中的Redis实例经过一致性hash算法后得到的值较均匀地分布在hash环上，实际可能并不会出现那么理想的情况，可能会出现Redis实例相邻分布，这样就增加了缓存未击中的几率。

解决办法

针对这个问题，我们可以通过引入虚拟节点来解决负载不均衡的问题。即将每台物理实例虚拟为一组虚拟实例，将虚拟实例放置到哈希环上，如果要确定对象的实例，需先确定对象的虚拟实例，再由虚拟实例确定物理实例。这样就减小了缓存未击中的几率。

缓存读写请求->虚拟实例 ->真实实例->读写