redis实现轮询算法_白话分布式系统中的一致性哈希算法

本文首发于：白话分布式系统中的一致性哈希算法

微信公众号：后端技术指南针

持续输出干货 欢迎关注！

通过本文将了解到以下内容：分布式系统的概念和作用

分布式系统常用负责均衡策略

普通哈希取模策略优缺点

一致性哈希算法的定义和思想

一致性哈希的基本过程

Redis集群中一致性哈希的实现

1.分布式系统的基本概念分布式系统与高并发高可用

当今高并发和海量数据处理等场景越来越多，实现服务应用的高可用、易扩展、短延时等成为必然。在此情况下分布式系统应运而生，互联网的场景无外乎存储和计算，因此分布式系统可以简单地分为：分布式存储

分布式计算

所谓分布式系统就是一批计算机组合起来共同对外提供服务，对于用户来说具体有多少规模的计算机完成了这次请求，完全是无感知的。分布式系统中的计算机越多，意味着计算和存储资源等也就越多，能够处理的并发访问量也就越大，响应速度也越快。如图为简单整体架构图：大前端 主要实现了服务应用对应的所有流量的接入，比如http://aaa.com域名下可能有N个子服务，这一层涉及很多网络流量的处理，也很有挑战，像百度的BFE(百度统一前端)接入了百度的大部分流量，每日转发1万亿次，峰值QPS1000w。

中间层 完成了各个服务的调度和分发，粒度相比大前端接入层更细致一些，这一层实现了用户的无感知体验，可以简单理解为反向代理层。

业务层 完成了数据存储、数据计算、数据缓存等，各个业务环节高度解耦，并且基于集群化来实现。集群和分布式的区别与联系

集群是从原来的单机演变来的，单台机器扛不住就加机器，直到服务负载、稳定性、延时等指标都满足，集群中的N台机器上部署一样的程序，就像一台机器被复制多份一样，这种形式就是集群化。

分布式是将一个完整的系统，按照业务功能拆分成一个个独立的子系统，这些服务之间使用更高效的通信协议比如RPC来完成调度，各个子服务就像在一台机器上一样，实现了业务解耦，同时提高了并发能力确实不赖。一个大的分布式系统可以理解拆分之后的子服务使用集群化，一个个子服务之间使用类似于RPC的协议串联，组成一个庞大的存储和计算网络。如图为简单的分布式系统结构：

注:图片来自网络 详见参考1

2.分布式系统的分发常用负载均衡策略

以分布式系统中的存储和缓存为例，如果存储集群中有5台机器，如果这时有请求，就需要考虑从哪台机器获取数据，一般有几种方法：随机访问