一致性哈希算法与Java实现

转载:http://www.blogjava.net/hello-yun/archive/2012/10/10/389289.html

一致性哈希算法是分布式系统中常用的算法。比如,一个分布式的存储系统,要将数据存储到具体的节点上,如果采用普通的hash方法,将数据映射到具体的节点上,如key%N,key是数据的key,N是机器节点数,如果有一个机器加入或退出这个集群,则所有的数据映射都无效了,如果是持久化存储则要做数据迁移,如果是分布式缓存,则其他缓存就失效了。

    因此,引入了一致性哈希算法:


 

把数据用hash函数(如MD5),映射到一个很大的空间里,如图所示。数据的存储时,先得到一个hash值,对应到这个环中的每个位置,如k1对应到了图中所示的位置,然后沿顺时针找到一个机器节点B,将k1存储到B这个节点中。

如果B节点宕机了,则B上的数据就会落到C节点上,如下图所示:


 

这样,只会影响C节点,对其他的节点A,D的数据不会造成影响。然而,这又会造成一个“雪崩”的情况,即C节点由于承担了B节点的数据,所以C节点的负载会变高,C节点很容易也宕机,这样依次下去,这样造成整个集群都挂了。

       为此,引入了“虚拟节点”的概念:即把想象在这个环上有很多“虚拟节点”,数据的存储是沿着环的顺时针方向找一个虚拟节点,每个虚拟节点都会关联到一个真实节点,如下图所使用:


图中的A1、A2、B1、B2、C1、C2、D1、D2都是虚拟节点,机器A负载存储A1、A2的数据,机器B负载存储B1、B2的数据,机器C负载存储C1、C2的数据。由于这些虚拟节点数量很多,均匀分布,因此不会造成“雪崩”现象。

java实现

public class Shard<S> { // S类封装了机器节点的信息 ,如name、password、ip、port等   
      
        private TreeMap<Long, S> nodes; // 虚拟节点   
        private List<S> shards; // 真实机器节点   
        private final int NODE_NUM = 100; // 每个机器节点关联的虚拟节点个数   
      
        public Shard(List<S> shards) {  
            super();  
            this.shards = shards;  
            init();  
        }  
      
        private void init() { // 初始化一致性hash环   
            nodes = new TreeMap<Long, S>();  
            for (int i = 0; i != shards.size(); ++i) { // 每个真实机器节点都需要关联虚拟节点   
                final S shardInfo = shards.get(i);  
      
                for (int n = 0; n < NODE_NUM; n++)  
                    // 一个真实机器节点关联NODE_NUM个虚拟节点   
                    nodes.put(hash("SHARD-" + i + "-NODE-" + n), shardInfo);  
      
            }  
        }  
      
        public S getShardInfo(String key) {  
            SortedMap<Long, S> tail = nodes.tailMap(hash(key)); // 沿环的顺时针找到一个虚拟节点   
            if (tail.size() == 0) {  
                return nodes.get(nodes.firstKey());  
            }  
            return tail.get(tail.firstKey()); // 返回该虚拟节点对应的真实机器节点的信息   
        }  
      
        /** 
         *  MurMurHash算法,是非加密HASH算法,性能很高, 
         *  比传统的CRC32,MD5,SHA-1(这两个算法都是加密HASH算法,复杂度本身就很高,带来的性能上的损害也不可避免) 
         *  等HASH算法要快很多,而且据说这个算法的碰撞率很低. 
         *  http://murmurhash.googlepages.com/ 
         */  
        private Long hash(String key) {  
              
            ByteBuffer buf = ByteBuffer.wrap(key.getBytes());  
            int seed = 0x1234ABCD;  
              
            ByteOrder byteOrder = buf.order();  
            buf.order(ByteOrder.LITTLE_ENDIAN);  
      
            long m = 0xc6a4a7935bd1e995L;  
            int r = 47;  
      
            long h = seed ^ (buf.remaining() * m);  
      
            long k;  
            while (buf.remaining() >= 8) {  
                k = buf.getLong();  
      
                k *= m;  
                k ^= k >>> r;  
                k *= m;  
      
                h ^= k;  
                h *= m;  
            }  
      
            if (buf.remaining() > 0) {  
                ByteBuffer finish = ByteBuffer.allocate(8).order(  
                        ByteOrder.LITTLE_ENDIAN);  
                // for big-endian version, do this first:   
                // finish.position(8-buf.remaining());   
                finish.put(buf).rewind();  
                h ^= finish.getLong();  
                h *= m;  
            }  
      
            h ^= h >>> r;  
            h *= m;  
            h ^= h >>> r;  
      
            buf.order(byteOrder);  
            return h;  
        }  
      
    }


  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
好的,以下是用Java实现一致性哈希算法的代码: ```java import java.util.*; public class ConsistentHashing { private SortedMap<Integer, String> circle = new TreeMap<>(); // 使用TreeMap存储哈希环 private int replicas; // 副本数 private HashFunction hashFunction; // 哈希函数 public ConsistentHashing(int replicas, HashFunction hashFunction) { this.replicas = replicas; this.hashFunction = hashFunction; } public void addNode(String node) { // 添加节点 for (int i = 0; i < replicas; i++) { // 对节点进行多次哈希,增加其在哈希环上的复制 int hash = hashFunction.hash(node + i); circle.put(hash, node); } } public void removeNode(String node) { // 移除节点 for (int i = 0; i < replicas; i++) { // 对节点进行多次哈希,移除其在哈希环上的复制 int hash = hashFunction.hash(node + i); circle.remove(hash); } } public String getNode(String key) { // 获取节点 if (circle.isEmpty()) { // 如果哈希环为空,返回null return null; } int hash = hashFunction.hash(key); // 对关键字进行哈希 if (!circle.containsKey(hash)) { // 如果哈希环中不存在该哈希值,返回大于该哈希值的最小哈希值对应的节点 SortedMap<Integer, String> tailMap = circle.tailMap(hash); hash = tailMap.isEmpty() ? circle.firstKey() : tailMap.firstKey(); } return circle.get(hash); // 返回对应的节点 } public static void main(String[] args) { ConsistentHashing ch = new ConsistentHashing(3, new HashFunction()); // 创建一致性哈希对象 ch.addNode("192.168.0.1"); // 添加节点 ch.addNode("192.168.0.2"); ch.addNode("192.168.0.3"); System.out.println(ch.getNode("key1")); // 获取节点 System.out.println(ch.getNode("key2")); ch.removeNode("192.168.0.2"); // 移除节点 System.out.println(ch.getNode("key1")); // 再次获取节点 System.out.println(ch.getNode("key2")); } } class HashFunction { // 哈希函数 public int hash(String str) { final int p = 16777619; int hash = (int) 2166136261L; for (int i = 0; i < str.length(); i++) { hash = (hash ^ str.charAt(i)) * p; } hash += hash << 13; hash ^= hash >> 7; hash += hash << 3; hash ^= hash >> 17; hash += hash << 5; return hash; } } ``` 以上代码实现一致性哈希算法,并提供了添加节点、移除节点和获取节点的方法。可以根据需求调用相应的方法即可。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值