c++ 哈希_一致性哈希算法介绍

分布式哈希（Distributed Hashing）

分布式环境中，需要进行分布式哈希来进行负载均衡，减少忙碌服务器的负载。例如，对一个键(key)做了哈希后，需要确定它保存在哪个服务器上面。一致性散列(consistent hash)函数的特点是，当函数范围(例如，服务器的数量)变化，它变化的最少。 一个对一致性哈希的典型应用是Memcached.

对长度做的哈希

假设不使用一致性哈希函数，只是简单地根据服务器的数量进行哈希。

假设有3台服务器A,B,C, 现在采用的策略是hash(key) mod N。

一般来说，取余(mod)操作比较慢，如果服务器的数量是 2^N,计算mod操作时，可以用 hash(key) & (2^N )来提高速度。

key在服务器的分布情况如下：

再散列问题

这时，如果服务器的数量发生改变，因为策略是hash(key) mod N。 key在服务器的分布情况会发生较大的变化。假设减少了一台服务器，现在只有服务器A,B。

分布情况：

可以看到，hash(key) mod N, 由于N这个值域发送变化，key的分布全部都变了。这会导致，短时间内，对key的查询失效，增加服务器的负担，减低性能。

解决方法：一致性hash

一致性hash是一个分布式的hash方法，它的hash与服务器的数量无关，因为它将key 映射在一个虚拟的hash环（hash ring)，使得服务变得更为可扩展。

假设将hash(key)映射到一个环，最小值是0，它的角度也为0度，最大值是INT_MAX,角度是360度。

同样地，将服务器做系统的映射，放到hash ring。

我们可以设置自己的规则，以逆时针方向，每个key都属于距离它最近的服务器

从编程的角度，我们可以将服务器的值（角度或者hash值）保存在一个有序列表中，然后去搜索这个列表，找到第一个它的值大于或者等于key值的服务器，如果找不到，就去去列表的第一个服务器。

为了保证key是均匀第分布在服务器中，我们给服务器赋予很多的标签(label)，例如A0...A9, B0...B9, C0...C9,然后将其散布到hash ring中。每个服务器的label的数量就是这个服务器的权重(weight)， 这是用来调整key落在服务器上的可能性。权重越大，label越多，一个服务器保存的key越多。

例如，给服务器A,B, C相同的权重，10个权重，分布在hash ring中。

使用hash ring的好处是，如果标签C0...C9被移除， 之前属于C0...C9标签的key就会落到A0...A1和B0...B1上面，其他标签的key没有变化。

同样地，当服务器数量增加时，变化也是类似的。

如果有k个key，N个服务器，当服务器数量变化时。只有k/N个key发生变化。

更多内容，访问

一致性哈希算法​www.liangyaopei.com