一致性Hash算法

hash算法

想去了解一致性Hash算法，想必你已经了解过hash算法了，典型的Java里的HashMap里面就使用了hash算法，它的目的就是将需要存储的key均匀的分散到16位的数组内。

但是HashMap是有个扩容的概念的，而且扩容的时候需要将原有的映射关系重新映射一遍，这其实就是hash算法所表现出的不足的部分。

一致性hash算法

    引入

为了弥补hash算法中当发生改变时需要全部跟着移动或者全部重新映射的硬伤，就引入了一致性Hash的概念。一致性Hash所要解决的问题就是提供这样一个想法，它能在节点的加入或者节点的减少时不会导致映射关系的重大变化。

    实现思路和满足条件

1.Key通过hash算法均匀分布到一个环上。

2.节点（Server）也通过hash算法均匀分布到同个环上。

3.每个Server只负责一部分Key，这样，当Server的加入和删除，只会影响到一部分Key。

基于以上的实现思路，那么需要满足下面的几个条件：

平衡性：hash算法要均匀分布。

单调性：有新节点加入时，已经存在的映射关系不能发生变化。

分散性：避免不同的内容映射到相同的位置和相同的内容映射到不同的位置。

    具体实现

1. 环型hash空间

一致性hash算法将整个哈希值空间组织成一个虚拟的32位的圆环，值为[0,2^32-1]。

                                                                        

2. 将Key映射到hash空间。

                                                                       

3. 将节点映射到hash空间。

                                                                      

4. 将Key映射到节点上。

顺时针方向从Key出发，遇到一个节点，就将该Key存储到这个节点上。

5.节点的变动

假设节点B（CacheB）挂了，那么此时受到影响的仅仅是沿B逆时针寻找直到遇到CacheA之间的Key，因此如果CacheB挂的话那么只要将object4重新映射到CacheC上就结束了。

                                                                    

假设需要添加一个节点CacheD，被添加在obejct2和object3之间，那么此时受到影响的只有object2需要重新映射。

                                                                   

     平衡性考量

如果节点数目太少的情况下，容易造成对象不能均匀的映射到节点中。因此引入了“虚拟节点”来弥补当前节点数目不够的情况怎么去弥补平衡性。

假设当前仅有CacheA和CacheC两个节点，那么我们设置复制个数为2，也就是说为每个节点引入两个虚拟节点，CacheA1，CacheA2代表CacheA；CacheC1和CacheC2代表了CacheC。

                                                                  

可以借鉴的思路：

虚拟节点hash计算可以采用对应节点的IP地址加数字后缀的方式，假设：

CacheA的IP为192.168.1.122；

CacheC的IP为192.168.1.123；

CacheA1（192.168.1.122#1）；CacheA2（192.168.1.122#2）；

CacheC1（192.168.1.123#1）；CacheC2（192.168.1.123#2）；