redis集群哈希一致性算法和哈希槽

 

先说普通哈希算法：让数据id的哈希值和redis集群的个数取模，得到的是几这个数据就存放在哪个redis服务器上

普通哈希算法存在数据迁移的问题，即当集群数量增加或减少，原来数据的key与Redis序号对应的集群关系会改变，可能第一次数据1落在0号Redis上，第二次数据1就落在了2号机器上。这样就会出现”缓存穿透“

 

一致性哈希算法

一致性哈希算法首先弄了一个虚拟环，环上有n个节点，比如2的32次方个节点。这个环仅仅是逻辑上的一个算法。它先用redis机器序号+redis的ip生成唯一的一个哈希值。用redis的哈希值取模2的32次方，这样会生产一个点，落在这个环上的某一个点，这个点也叫做redis1的起始节点。同理算出redis2的起始节点。有2给其实节点后就会勾勒出2给redis缓存的数据范围。

现在我们把要存入对象的hash值算出来，用这个hash值取模2的32次方。算出的点要么会落在redis1的管辖范围中，要么会落在redis2的管辖范围中。然后redis1机器缓存对应的kv，redis2机器缓存对应的kv

一致性哈希算法相比普通哈希大大减少了数据迁移问题，假如在redis1和redis2中间新增了一个redis3，只需要把1-3中间的数据进行数据迁移。

但一致性哈希算法会造成数据倾斜，即很可能少量redis上有大量的缓存， 大量的redis上有少量的缓存

 

哈希槽解决数据倾斜问题

哈希槽的思想是对每台redis都进行逻辑上的分片，存储原理和一致性哈希算法类似，只不过把环变成了槽。可允许自定义设置槽数，最多可有16384个，当槽足够多，每个槽的数据会分布的更加均匀。解决了倾斜的问题

 

我们也可以自己实现，在逻辑上给每个redis分割成多个虚拟节点node，进行存储数据~