形象比喻，一致性哈希应该怎么理解？

最新推荐文章于 2024-10-19 11:17:13 发布

游目鱼

最新推荐文章于 2024-10-19 11:17:13 发布

阅读量1k

点赞数 22

分类专栏：算法和数据结构文章标签：哈希算法算法

本文链接：https://blog.csdn.net/qq_39039639/article/details/139248897

版权

算法和数据结构专栏收录该内容

2 篇文章 0 订阅

订阅专栏

形象比喻，一致性哈希应该怎么理解？

传统哈希算法在需要扩桶的时候需要对全部元素重新移动，这个过程叫做重哈希（rehash）。扩桶意味着当前桶的数量不足以装下所有的元素，所以这个移动代价一定是很高的，要保证这么多数据迁移不出错，不影响现有使用，需要注意很多方面。那么，有没有一种算法能兼容现有的哈希算法，使得新的元素可以均匀发布到各个桶里，旧的元素仍存放在之前的位置呢？答案是有的，这就是一致性哈希。接下来我们就看看一致性的具体表现。

工作原理

如果要保证扩桶不影响当前元素的哈希映射关系，我们首先就会明白这种哈希算法不应该是怎样的——哈希算法不应该跟桶的数量相关。回想一下常见的哈希表最终都需要对桶的数量取模，这样才知道具体分到哪个桶。如果要避免跟桶的数量相关，我们就不能采用直接取模的办法，而应该用一种间接的办法找到对应的桶。

我们可以用生活中的地址来类比，我们可以准确知道小明家、社区的经纬度坐标，同时也可以知道小明家和社区的相对方位和距离。假如后续这个区域居民越来越多，一个社区的房间有限，人们排队时间也长。原社区在北边，此时社区就会拆分，一南一北，这样每个社区每日承担的服务人数就比较均衡了，南北两个社区都只用服务当前半径范围内5km的居民。

假设小明家在南边，原来还需要跑到北边的社区去咨询办事，现在只需在离家近的南边社区处理了；

假设小明家在北边，现在还是去北边的社区，南边的社区与他无关。

原社区的居民同小明家的情况，北边的居民还是去以前的地方，南边的居民可以去更近的南边社区。每个社区的管辖范围不同，其他社区不受这个社区变化的影响。

一致性哈希中的桶就如同社区，每个元素就是居民。一致性哈希中还有个哈希环，这个就如同我们生活的地球。在地球上有很多居民和社区，正如在哈希环上有很多元素和桶。我们通过唯一不变的哈希算法找到每个元素和桶在哈希环上的位置，也就相当于居民和社区的经纬度坐标。

如下图所示，假设两个桶之间的元素都按顺时针去找所归属的桶，那么当桶A、桶B中间加入新的桶C时，A和C之间的元素1现在不能存在桶B里了，而需要移动到桶C中。但是B和C之间的元素2，以及其他无关元素3不用移动。

假设要删除桶C，元素1移回桶B，其他元素不用动。

可以看出，相比于之前直接取模需要全局的数据迁移，使用一致性哈希算法将只影响变动的桶和左侧上一个桶之间的数据，大大减轻了压力。

说了基本的工作原理，那么哈希环到底是什么呢？其实哈希环可以理解为一个整数区间 $0,2^{32}]$ 。在环上， $2^{32}$ 的右侧就是0，这样就可以构成闭环。我们利用统一的哈希算法将每一个元素和节点（桶）映射到某一个整数，就是哈希环上的位置。

虚拟节点

和普通的哈希算法一样，一致性哈希也会遇到数据倾斜的问题，即某一两个桶拥有了过多的元素，负载因子偏大。普通哈希的解决办法是多加一些桶，一致性哈希也是同理，多加几个节点即可。在没有足够的真实节点时，一致性哈希还可以利用虚拟节点来平衡，比如下图，假如没有虚拟节点，2、4、5、6都归属节点B，1、3归属节点B。现在通过虚拟节点A’和虚拟节点B’，让2、3、5都归属节点A，1、4、6归属节点B，有了虚拟节点的帮助，我们就可以平衡这一局面。