分布式一致性哈希

分布式一致性哈希

提出

假设我有三台服务器A,B,C，我想把数据分别存储到这三台服务器上，于是进行哈希取余操作：hash(key)%3.

然而，如果我又增加了一台服务器D，哈希取余就得变成hash(key)%4了，数据就很混乱了。

对此，我们对固定值2^32进行取余，并把哈希数组前后两端闭合形成一个圆，将A,B,C三台服务器映射到这个圆上（以字符串：ip:port为key）：

当我们将数据哈希后，落到圆上某一个点，顺时针方向走，存到遇到的第一个服务器上，当我们新增一个服务器D时，操作仍然不变（A中的部分数据需迁移到D中）

服务器哈希不均匀的问题

由于节点数量太少，服务器可能哈希不均匀，导致有的服务器要存储大部分数据，负载不均，如上图的A,B服务器，对此，可将一个服务器映射成多个虚拟节点,如服务器A可映射成 port:ip:1，port:ip:2，...,port:ip:n (这样取key时能快速得到真实服务器ip和port),这样，各个服务器的虚拟节点将较均匀地分布在圆上(以A,B为例)：

tip:
为啥哈希函数里老喜欢用i*31呢

• 31是质数，能让哈希分布更随机（表现比17和101要好）
• i*(1<<5-1)=i<<5-i,转换为位运算计算更快。另外哈希计算经常出现 m%2^n, 也是因为方便转换为位运算m&(2^n-1)