分布式存储和一致性hash

最新推荐文章于 2022-02-09 00:55:35 发布

weixin_34219944

最新推荐文章于 2022-02-09 00:55:35 发布

阅读量182

点赞数

原文链接：https://my.oschina.net/zhenglingfei/blog/405622

版权

2019独角兽企业重金招聘Python工程师标准>>>

本文我将对一致性算法作介绍，同时谈谈自己对一致性hash和一般意义上的hash算法的区别

hash是什么

hash即hash算法，又称为散列算法，百度百科的定义是

哈希算法将任意长度的二进制值映射为较短的固定长度的二进制值，这个小的二进制值称为哈希值。哈希值是一段数据唯一且极其紧凑的数值表示形式。

1.这句话有几个很重要的地方，首先是任意长度二进制，在java中，可以代表所有对象（序列化）

2.固定长度，使得hashmap等可以按照高低位进行位操作，同时能够提供统一的方式（有种协议的感觉）

3.数据唯一的数值，使得hashcode可以作为查找的依据（快速查找的根本）

为什么hash

说为什么首先要说说如果没有会怎么样。

csdn有这样一篇文章讲的很有意思，我们有一堆猪，怎么根据体重找到对应的一头。如果没有hash的思想，我们会比较每头猪，但是如果有1000头你也这样做么。引入hash，每头猪的重量hash到一个hashcode，hashcode会映射到对应的猪圈，我们只要比较每个猪圈的猪就行了，而最理想的情况就是每个猪圈的猪都一样多（注：每个猪圈一个是好，但是空间消耗巨大）

（http://blog.csdn.net/ok7758521ok/article/details/4003476）

而java中，hash也是采用这样的方式，通过hashcode与桶数取模的方式（当然时间是通过位操作，性能更高）自然映射到具体的桶中。

关于分布式存储

当hash遇上分布式，单台机子的hashmap存储已经不能满足我们的key-value需求，怎么办，我们需要把存储内容分布到不同的实体机上，这时需要一种把key映射到不同机器的方法，我们想起了hash，可以把实体机当做是桶，采用和hashmap实现一样的思路，通过和实体机的数量取模，自然映射到不同的机器。

ok，搞定，分布式确实可以实现。但现在问题来了，如果其中一台机子挂了，或者又加了一台机子怎么办，这时出现两种情况：

1.不做任何改变，那么挂了的数据将无法得到恢复，新增的机子也无法得到利用

2.rehash 这种情况，桶的数量将会改变，所有的值将重新映射，最终数据会得到存储，这有两个问题，rehash的时刻，所有key将重新映射，这时，对于大并发的情形，是灾难的，所有请求将不经过任何缓存，服务器面临崩溃的风险，再者，老的数据依然还在，并且不会被用到，浪费存储空间。

那么，怎么办

引入一致性hash

consistent hashing 是这样一种 hash 算法，简单的说，在移除 / 添加一个节点（机器，ip）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。

hash回环

任何的hash值都是固定长度的，因此可以通过一个回环来承载所有的hash值（为什么用环后面会说）

映射

hash最总要的一步就是把对象映射到对应的桶，而与通常的hash做法相比，一致性hash会比较特殊，一致性hash不会将key直接映射到桶，而将key和桶分别映射到回环的对应hash值节点

映射key

映射桶

接下来是最重要的一步，把key映射到对应的桶

寻桶

现在 cache 和对象都已经通过同一个 hash 算法映射到 hash 数值空间中了，接下来要考虑的就是如何将对象映射到 cache 上面了。

在这个环形空间中，如果沿着顺时针方向从对象的 key 值出发，直到遇见一个 cache ，那么就将该对象存储在这个 cache 上，因为对象和 cache 的 hash 值是固定的，因此这个 cache 必然是唯一和确定的。这样不就找到了对象和 cache 的映射方法了吗？！

依然继续上面的例子（参见图 3 ），那么根据上面的方法，对象 object1 将被存储到 cache A 上； object2和 object3 对应到 cache C ； object4 对应到 cache B ；

好处

我们讲了这么多一致性hash的算法，那么他究竟带来了什么，我们分添加和删除的情况考虑

添加

我们添加一个新的节点D，按照顺时针的方式，原先映射到C的object2会映射到D，而object3则还是映射到C，这样添加只会影响到object2，事实上是B和D之间的对象，这种影响相比传统的方式，影响是很小的

删除

与添加类似，删除也只会影响A和B之间的对象

虚拟节点（一下完全引自：http://my.oschina.net/jsan/blog/49702）

考量 Hash 算法的另一个指标是平衡性 (Balance) ，定义如下：

平衡性

平衡性是指哈希的结果能够尽可能分布到所有的缓冲中去，这样可以使得所有的缓冲空间都得到利用。

hash 算法并不是保证绝对的平衡，如果 cache 较少的话，对象并不能被均匀的映射到 cache 上，比如在上面的例子中，仅部署 cache A 和 cache C 的情况下，在 4 个对象中， cache A 仅存储了 object1 ，而 cache C 则存储了 object2 、 object3 和 object4 ；分布是很不均衡的。

为了解决这种情况， consistent hashing 引入了“虚拟节点”的概念，它可以如下定义：

“虚拟节点”（ virtual node ）是实际节点在 hash 空间的复制品（ replica ），一实际个节点对应了若干个“虚拟节点”，这个对应个数也成为“复制个数”，“虚拟节点”在 hash 空间中以 hash 值排列。

仍以仅部署 cache A 和 cache C 的情况为例，在图 4 中我们已经看到， cache 分布并不均匀。现在我们引入虚拟节点，并设置“复制个数”为 2 ，这就意味着一共会存在 4 个“虚拟节点”， cache A1, cache A2 代表了 cache A ； cache C1, cache C2 代表了 cache C ；假设一种比较理想的情况，参见图 6 。