一致性hash算法(hash环)

一致性hash算法

1.前景(hash算法)

分布式缓存：

需求：

将图片均匀的分布到3台服务器上。

方案：

使用hash算法。

对于一个key，由客户端来决定存放到哪台机器，那最简单的hash公式就是 hash(key)% N，其中N是机器的总数。

使用原理：对于同一个图片，做hash计算，由图片的名称充当key，所以得到的值是不变的，所以可以通过hash值找到图片存储的具体位置。

缺陷：

一旦机器数变少，或者增加机器，N(机器数量)发生变化，那之前存放的数据就全部无效了。

因为你按照新的N值取模计算出的机器编号，和当时按旧的N值取模算出的机器编号肯定是不等的，也就意味着缓存会失效。

缓存失效引发的问题：缓存服务器就不能起到分压的作用，那么后端服务器就会被压垮。这也就是缓存雪崩。

缓存雪崩可以设置缓存不同的过期时间来解决，但在此处，需要使用另一种数据结构了。

这个问题的解决办法就是用1种特别的Hash函数，尽可能使得，增加机器/减少机器时，缓存失效的数目降到最低，这就是Hash环，或者叫一致性Hash。

2.一致性hash算法

Hash环

上面说的Hash函数，只经过了1次hash，即把key hash到对应的机器编号。

Hash环有2次Hash：
（1）把所有机器编号hash到这个环上
（2）把key也hash到这个环上。然后在这个环上进行匹配，看这个key和哪台机器匹配。

​

具体来讲，如下：

假定有这样一个Hash函数，其值空间为（0到2的32次方-1) ，也就是说，其hash值是个32位无整型数字 ，这些数字组成一个环。

然后，先对机器进行hash(比如根据机器的ip)，算出每台机器在这个环上的位置； 再对key进行hash，算出该key在环上的位置，然后从这个位置往前走，遇到的第一台机器就是该key对应的机器，就把该(key, value) 存储到该机器上。

首先计算出每台Cache服务器在环上的位置（图中的大圆圈）；然后每来一个(key, value)，计算出在环上的位置（图中的小圆圈），然后顺时针走，遇到的第1个机器，就是其要存储的机器。

这里的关键点是：当你增加/减少机器时，其他机器在环上的位置并不会发生改变。这样只有增加的那台机器、或者减少的那台机器附近的数据会失效，其他机器上的数据都还是有效的。

存在问题：hash倾斜

原因：

当你机器不多的时候，很可能出现几台机器在环上面贴的很近，不是在环上均匀分布。这将会导致大部分数据，都会集中在某1台机器上。

解决：

引入虚拟节点概念。

例：假设用机器的ip来hash，我可以在ip后面加上几个编号, ip_1, ip_2, ip_3, … 把1台物理机器生个多个虚拟机器的编号。

ip来hash，我可以在ip后面加上几个编号, ip_1, ip_2, ip_3, … 把1台物理机器生个多个虚拟机器的编号。

工作原理：数据首先映射到“虚拟机器上”，再从“虚拟机器”映射到物理机器上。因为虚拟机器可以很多，在环上面均匀分布，从而保证数据均匀分布到物理机器上面。