数据分表算法之TimedHash

hash算法产生
一致性哈希算法是分布式系统中常用的算法。比如，一个分布式的存储系统，要将数据存储到具体的节点上，如果采用普通的hash方法，将数据映射到具体的节点上，如key%N，key是数据的key，N是机器节点数，如果有一个机器加入或退出这个集群，则所有的数据映射都无效了，如果是持久化存储则要做数据迁移，如果是分布式缓存，则其他缓存就失效了。
因此，引入了一致性哈希算法：

把数据用hash函数（如MD5），映射到一个很大的空间里，如图所示。数据的存储时，先得到一个hash值，对应到这个环中的每个位置，如k1对应到了图中所示的位置，然后沿顺时针找到一个机器节点B，将k1存储到B这个节点中。
如果B节点宕机了，则B上的数据就会落到C节点上，如下图所示：

这样，只会影响C节点，对其他的节点A，D的数据不会造成影响。然而，这又会造成一个“雪崩”的情况，即C节点由于承担了B节点的数据，所以C节点的负载会变高，C节点很容易也宕机，这样依次下去，这样造成整个集群都挂了。
为此，引入了“虚拟节点”的概念：即把想象在这个环上有很多“虚拟节点”，数据的存储是沿着环的顺时针方向找一个虚拟节点，每个虚拟节点都会关联到一个真实节点，如下图所使用：

虽然一致性hash算法可以做到数据的分布，一定程度上也可以解决高可用避免造成“雪崩”情况。但是此方法热心的朋友会发现，如果当我们增加新的节点E(虚拟节点E1,E2)的时候，部分数据会出现迁移。
如图：

未增加节点之前数据K6应该落在D1节点，K1落在C2节点。当增加节点E后，K1落在了E1节点，K6落在E2节点。虽然一直性hash算法减少了数据迁移的量，如果我们使用热部署方式去增加节点的时候，当增加了节点数据并不能及时迁移，造成了数据异常。
那么我们有没有什么办法可以解决在迁移这段时间内，数据依然可以访问之前节点获取数据，当数据迁移完毕后再访问新节点呢？

如果我们可以设计hash算法在不同时间的算法，那么此问题不就解决了吗。对于K1-K8都是在E节点添加之前的数据，那么在我们计算K8的数据落点时候排除E节点，那么数据K6依然落在D1节点，K1依然落在C2节点。
对于新进入的数据K9，我们使用A-E节点计算。我们就可以热部署增加节点了。
如图。

当然使用此方法会存在一些限制。

1、我们需要每个数据存储节点加入时间。
2、我们所需要查找的数据的落地时间。

那么我们该如何符合者连个限制呢？
1、通常我们存放数据的时候需要拉去数据存储节点的信息，我们只需要把加入时间加入信息中即可，这样我们的使用方即可拉去存储节点的加入时间。
2、我们每次查找的数据，可以使用 snowflake 方式或者此算法的变种来设计数据的ID，这样我们就能知道查找数据的ID。有关twitter snowflake算法可以查阅地址 https://github.com/twitter-archive/snowflake 获取更多资料