=
=
=
Jedis一致性hash与sharding https://blog.csdn.net/javahongxi/article/details/79500755
一、Jedis一致性hash
利用缓存技术,不仅可以提升系统性能,还能缓解系统故障。对于redis 3.0以下的版本,redis-server没有sharding的功能,只有master-slave模式。目前企业用的普遍都是只有m/s模式的redis多实例部署,无论是master还是slave挂掉,都需要调整程序配置(或代码)。Jedis为我们提供了编程级别的sharding方式,本文主要介绍相关API使用方法。
Jedis中sharding基于一致性hash算法,hash值计算采取MD5作为辅助,此算法似乎已成事实上的标准,不过较新的版本采用的是谷歌的murmur_hash算法(MD5 is really not good?)。
- public interface Hashing {
- public static final Hashing MURMUR_HASH = new MurmurHash();
- public ThreadLocal<MessageDigest> md5Holder = new ThreadLocal<MessageDigest>();
- // 基于MD5的一致性hash算法实现
- public static final Hashing MD5 = new Hashing() {
- public long hash(String key) {
- return hash(SafeEncoder.encode(key));
- }
- public long hash(byte[] key) {
- try {
- if (md5Holder.get() == null) {
- md5Holder.set(MessageDigest.getInstance("MD5"));
- }
- } catch (NoSuchAlgorithmException e) {
- throw new IllegalStateException("++++ no md5 algorythm found");
- }
- MessageDigest md5 = md5Holder.get();
- md5.reset();
- md5.update(key);
- byte[] bKey = md5.digest(); // 获得MD5字节序列
- // 前四个字节作为计算参数,最终获得一个32位int值.
- // 此种计算方式,能够确保key的hash值更加“随即”/“离散”
- // 如果hash值过于密集,不利于一致性hash的实现(特别是有“虚拟节点”设计时)
- long res = ((long) (bKey[3] & 0xFF) << 24) | ((long) (bKey[2] & 0xFF) << 16)
- | ((long) (bKey[1] & 0xFF) << 8) | (long) (bKey[0] & 0xFF);
- return res;
- }
- };
- public long hash(String key);
- public long hash(byte[] key);
- }
node构建过程:
- //shards列表为客户端提供了所有redis-server配置信息,包括:ip,port,weight,name
- //其中weight为权重,将直接决定“虚拟节点”的“比例”(密度),权重越高,在存储是被hash命中的概率越高
- //--其上存储的数据越多。
- //其中name为“节点名称”,jedis使用name作为“节点hash值”的一个计算参数。
- //---
- //一致性hash算法,要求每个“虚拟节点”必须具备“hash值”,每个实际的server可以有多个“虚拟节点”(API级别)
- //其中虚拟节点的个数= “逻辑区间长度” * weight,每个server的“虚拟节点”将会以“hash”的方式分布在全局区域中
- //全局区域总长为2^32.每个“虚拟节点”以hash值的方式映射在全局区域中。
- // 环形:0-->vnode1(:1230)-->vnode2(:2800)-->vnode3(400000)---2^32-->0
- //所有的“虚拟节点”将按照其”节点hash“顺序排列(正序/反序均可),因此相邻两个“虚拟节点”之间必有hash值差,
- //那么此差值,即为前一个(或者后一个,根据实现而定)“虚拟节点”所负载的数据hash值区间。
- //比如hash值为“2000”的数据将会被vnode1所接受。
- //---
- private void initialize(List<S> shards) {
- nodes = new TreeMap<Long, S>();//虚拟节点,采取TreeMap存储:排序,二叉树
- for (int i = 0; i != shards.size(); ++i) {
- final S shardInfo = shards.get(i);
- if (shardInfo.getName() == null)
- //当没有设置“name”是,将“SHARD-NODE”作为“虚拟节点”hash值计算的参数
- //"逻辑区间步长"为160,为什么呢??
- //最终多个server的“虚拟节点”将会交错布局,不一定非常均匀。
- for (int n = 0; n < 160 * shardInfo.getWeight(); n++) {
- nodes.put(this.algo.hash("SHARD-" + i + "-NODE-" + n), shardInfo);
- }
- else
- for (int n = 0; n < 160 * shardInfo.getWeight(); n++) {
- nodes.put(this.algo.hash(shardInfo.getName() + "*" + shardInfo.getWeight() + n), shardInfo);
- }
- resources.put(shardInfo, shardInfo.createResource());
- }
- }
node选择方式:
- public R getShard(String key) {
- return resources.get(getShardInfo(key));
- }
- //here:
- public S getShardInfo(byte[] key) {
- //获取>=key的“虚拟节点”的列表
- SortedMap<Long, S> tail = nodes.tailMap(algo.hash(key));
- //如果不存在“虚拟节点”,则将返回首节点。
- if (tail.size() == 0) {
- return nodes.get(nodes.firstKey());
- }
- //如果存在,则返回符合(>=key)条件的“虚拟节点”的第一个节点
- return tail.get(tail.firstKey());
- }
Jedis sharding默认的一致性hash算法比较适合cache-only的情景,不太适合数据持久化情况。在持久存储情况下,我们可以使用“强hash”分片,需要重写hash算法(参加后面的InnerHashing)。强hash算法下,如果某个虚拟节点所在的物理节点故障,将导致数据无法访问,即无法从虚拟节点列表中删除失效的server。
二、API
ShardedJedis
- JedisShardInfo sd1 = new JedisShardInfo("127.0.0.1", 6379, 15000);
- sd1.setPassword("123456");
- JedisShardInfo sd2 = new JedisShardInfo("127.0.0.1", 6479, 15000);
- sd2.setPassword("123456");
- List<JedisShardInfo> shards = new ArrayList<JedisShardInfo>();
- shards.add(sd1);
- shards.add(sd2);
- ShardedJedis shardedJedis = new ShardedJedis(shards, new InnerHashing());
- String key = "k2sdjowejjroer3";
- shardedJedis.set(key, "v2");
- Charset charset = Charset.forName("utf-8");
- // 注意此处对key的字节转换时,一定要和Innerhashing.hash(String)保持一致
- System.out.println(shardedJedis.get("k2").getBytes(charset));
- // Jedis的一致性hash算法已经足够良好,程序员建议不要重写
- public class InnerHashing implements Hashing {
- static Charset charset = Charset.forName("utf-8");
- @Override
- public long hash(String key) {
- return hash(key.getBytes(charset));
- }
- @Override
- public long hash(byte[] key) {
- int hashcode = new HashCodeBuilder().append(key).toHashCode();
- return hashcode & 0x7FFFFFFF;
- }
- }
ShardedJedisPool & ShardedJedisPipeline
- JedisPoolConfig config = new JedisPoolConfig();
- config.setMaxTotal(32);
- config.setMaxIdle(6);
- config.setMinIdle(0);
- config.setMaxWaitMillis(15000);
- JedisShardInfo sd1 = new JedisShardInfo("127.0.0.1", 6379, 15000);
- sd1.setPassword("123456");
- JedisShardInfo sd2 = new JedisShardInfo("127.0.0.1", 6479, 15000);
- sd2.setPassword("123456");
- List<JedisShardInfo> shards = new ArrayList<JedisShardInfo>();
- shards.add(sd1);
- shards.add(sd2);
- ShardedJedisPool sjp = new ShardedJedisPool(config, shards);
- ShardedJedis shardedJedis = sjp.getResource();
- try {
- System.out.println(shardedJedis.get("k2"));
- ShardedJedisPipeline pipeline = new ShardedJedisPipeline();
- pipeline.setShardedJedis(shardedJedis);
- pipeline.set("k4", "v4");
- pipeline.set("k5", "v5");
- pipeline.get("k5");
- List<Object> all = pipeline.syncAndReturnAll();
- for (Object e : all) {
- System.out.println(e);
- }
- } catch (Exception e) {
- e.printStackTrace();
- } finally {
- sjp.returnResource(shardedJedis);
- }
- <bean id="jedisPoolConfig" class="redis.clients.jedis.JedisPoolConfig">
- <property name="maxActive" value="32"></property>
- <property name="maxIdle" value="6"></property>
- <property name="maxWait" value="15000"></property>
- <property name="minEvictableIdleTimeMillis" value="300000"></property>
- <property name="numTestsPerEvictionRun" value="3"></property>
- <property name="timeBetweenEvictionRunsMillis" value="60000"></property>
- <property name="whenExhaustedAction" value="1"></property>
- </bean>
- <bean id="shardedJedisPool" class="redis.clients.jedis.ShardedJedisPool" destroy-method="destroy">
- <constructor-arg ref="jedisPoolConfig"></constructor-arg>
- <constructor-arg>
- <list>
- <bean class="redis.clients.jedis.JedisShardInfo">
- <constructor-arg value="127.0.0.1"></constructor-arg>
- <constructor-arg value="6379"></constructor-arg>
- <property name="password" value="0123456"></property>
- </bean>
- <bean class="redis.clients.jedis.JedisShardInfo">
- <constructor-arg value="127.0.0.1"></constructor-arg>
- <constructor-arg value="6379"></constructor-arg>
- <property name="password" value="0123456"></property>
- </bean>
- </list>
- </constructor-arg>
- </bean>
redis以及其他类似的网络IO server,实现绝对意义上的自动扩容(server端)和自动探测与rebalance,是很难的,同时也有一些风险.
我们现在的做法也比较土:(简而言之是:监控程序和统一配置)
1) 有个web portal系统,当一个redis实例部署好之后,就是web系统上输入它的IP地址和探测脚本(脚本用来检测redis的内存负载情况,存活情况).
2) 录入之后可以将此redis"上线/下线",即将redis信息同步到zookeeper中(俗称configserver);
3) 所有redis-client端,都接入configserver,获取可用的redis列表;并初始化redis-client.
4) redis-client有一个额外的线程用来与configserver保持通讯,实时的跟踪redis列表的变更.
5) 如果redis列表变更,将导致redis-client端重新调整,主要是重建"一致性hash表".
6) 重建"一致性hash表"的过程,不需要调整代码或者重启服务,这个和hash的设计方式有些关系.
简单的来说,你可以使用任何方式(db,或者JMS订阅)来获取redis集群节点的变更数据即可..对于"客户端一致性hash表"的设计,也需要有些技巧,最好不要因为一个节点的join或者remove,导致大面积缓存的命中失败..
程序中通过合理的配置和编码,我们可以实现写master读slave。
=
=
=