大数据学习笔记10：一致性哈希

一致性哈希

 

 

1、一致性 Hash 算法简单的说，在移除 / 添加一个节点时，它能够尽可能小的改变已存在 key 映射关系，尽可能的满足单调性的要求。

 

 

2、比如使用整数 0--2的32次方-1  的数据范围构建一个环。

对节点  和 key  都哈希成一个整数值 ，然后按照顺时针方向 查找节点，比如下图中的k2、k3 都会放到 B节点

 

 

 

 

 

 

这样 当减少一个节点时，比如去掉了节点B ，k2 、k3会继续 顺时针找到 C 节点，而存放到C。这样受影响的 只是 原来在A节点到B节点之间的key。

 

假如现在在k2、k3之间 增加一个节点E  ，受影响的只有 K2.

 

这样就减小了节点变化 影响的范围。

 

 

3、如果 节点 较少的话，对象并不能被均匀的映射到节点 上。

    为了解决平衡性问题 后来引入了  “虚拟节点”（ virtual node ）。

    一实际个节点对应了若干个“虚拟节点”。

    划分为更多个小的范围，是key分布的更加均匀。