第十一章 分布式存储之哈希算法

目录

一、哈希取余分区

二、一致性哈希算法分区

三、哈希槽分区

---

在学习通过Docker进行Redis集群部署之前，简单聊一点Redis分布式集群存储相关的哈希算法问题：

一、哈希取余分区

2亿条记录就是2亿个KV，我们单机不行必须要分布式多机，假设有3台机器构成一个集群，用户每次读写操作都是根据公式：hash(key)%N个机器台数，计算出哈希值，用来决定数据映射到哪一台节点上。

优点：

1. 简单且易于理解和实现。

2. 在节点数量变化时（节点增加或减少），只需重新分配少数键。

缺点：

如果节点数量变化较大，某些个节点挂了，则可能会导致数据分布不均、数据倾斜，即一个节点负责过多的键，最终造成系统故障。

二、一致性哈希算法分区

3大步骤：

1. 算法构建一致性哈希环

2. 服务器IP节点或主机名映射

3. key落到服务器的落键规则

优点：

1. 一致性哈希算法的容错性

2. 一致性哈希算法的扩展性

即加入和删除节点只影响哈希环中顺时针方向的相邻的节点，对其他节点无影响。

缺点：

1. 一致性哈希算法的数据倾斜性 

即数据的分布和节点的位置有关，因为这些节点不是均匀分布在哈希环上的，所以数据在进行存储时达不到均匀分布的效果，同时对于节点数量特别少的分布式集群非常不实用。

从下图这个哈希环可以看出，数据分布到A的概率比B的概率大的多： 

三、哈希槽分区

哈希槽分区是在一致性哈希算法分区上进行了优化，Redis 集群采用了一致性哈希算法来分配数据到不同的节点，保证了数据分布的均匀性。每个 key 通过计算哈希值后被映射到对应的节点。在 Redis 集群中，每个节点负责维护自己哈希槽的信息。每个节点负责维护一部分哈希槽，当集群中的节点增加或减少时，节点间的哈希槽也会相应地调整。