一致性哈希的分析与实现

哈希函数，想必大家都不陌生。通过哈希函数我们可以将数据映射成一个数字（哈希值），然后可用于将数据打乱。例如，在HashMap中则是通过哈希函数使得每个桶中的数据尽量均匀。那一致性哈希又是什么？它是用于解决什么问题？本文将从普通的哈希函数说起，看看普通哈希函数存在的问题，然后再看一致性哈希是如何解决，一步步进行分析，并结合代码实现来讲解。

首先，设定这样一个场景，我们每天有1千万条业务数据，还有100个节点可用于存放数据。那我们希望能将数据尽量均匀地存放在这100个节点上，这时候哈希函数就能派上用场了，下面我们按一天的数据量来说明。

首先，准备下需要存放的数据，以及节点的地址。为了简单，这里的数据为随机整型数字，节点的地址为从“192.168.1.0”开始递增。

private static int dataNum = 10000000;
private static int nodeNum = 100;

private static List<Integer> datas = initData(dataNum);

private static List<String> nodes = initNode(nodeNum);

private static List<Integer> initData(int n) {
   
    List<Integer> datas = new ArrayList<>();
    Random random = new Random();
    for (int i = 0; i < n; i++) {
   
        datas.add(random.nextInt());
    }
    return datas;
}

private static List<String> initNode(int n) {
   
    List<String> nodes = new ArrayList<>();
    for (int i = 0; i < n; i++) {
   
        nodes.add(String.format("192.168.1.%d", i));
    }
    return nodes;
}

接下来，我们看下通过“哈希+取模”得到数据相应的节点地址。这里的hash方法使用Guava提供的哈希方法来实现，后文也将继续使用该hash方法。

public static String normalHash(Integer data, List<String> nodes) {
   
    int hash = hash(data);
    int nodeIndex = hash % nodes.size();
    return nodes.get(nodeIndex);
}

private static int hash(Object object) {
   
    HashFunction hashFunction = Hashing.murmur3_32();
    if (object instanceof