Redis -- 11 -- 一致性哈希算法

相关文章：

• Redis – 01 – 什么是Redis

• Redis – 02 – Linux上源码包安装Redis

• Redis – 03 – 安装Redis可能出现的问题

• Redis – 04 – 配置Redis开机自启

• Redis – 05 – Redis常用数据类型

• Redis – 06 – Redis持久化方式之RDB

• Redis – 07 – Redis持久化方式之AOF

• Redis – 08 – Redis数据恢复

• Redis – 09 – Redis持久化方式之RDB-AOF混合模式

• Redis – 10 – IO多路复用模型

• Redis – 11 – 一致性哈希算法

• Redis – 12 – Redis集群搭建

• Redis – 13 – Redis主从同步搭建

• Redis – 14 – Redis哨兵模式搭建

---

一致性哈希算在 1997 年由麻省理工学院提出，目的是解决分布式缓存的问题

一致性哈希算法是一种特俗的哈希算法，在使用一致性哈希算法后，哈希表槽位数 (大小) 的改变平均只需要对 K/n 个关键字进行重新映射，其中 K 是关键字的数量，n 是槽位数量；然而在传统的哈希表中，添加或删除一个槽位，几乎需要对所有关键字进行重新映射

---

一、一致性哈希算法

• 一致性哈希算法将哈希值空间组织成一个虚拟的圆环

  • 假设将某个哈希函数 H 的值空间为 0-2^32-1 (因为哈希值通常是一个 32 位的无符号整形)

  • 我们将这个由 2^32 个点组成的圆环称为哈希环

    

• 接着对 key 进行哈希运算得到哈希值 (可以选择服务器的 IP 或主机名作为关键值进行哈希运算)，这样每台服务器就可以确定其在哈希环上的位置

  

  • 假设有 NodeA、NodeB、NodeC、NodeD 四台服务器，对 IP 地址进行哈希运算后，在环空间的位置如上所示

• 然后使用以下算法来定位数据的目标存储服务器：即对数据 key 使用相同的哈希函数进行运算后得到哈希值，并确定此数据在环上的位置，然后沿环顺时针方向寻找，第一台遇到的服务器就是数据的目标存储服务器

  

  • 假设有 ObjectA、ObjectB、ObjectC、ObjectD 四个数据对象，对其进行哈希运算后，在环空间的位置如上所示

  • 根据一致性哈希算法，ObjectA 会被定位到 NodeA 上，ObjectB 会被定位到 NodeB 上，ObjectC 会被定位到 NodeC 上，ObjectD 会被定位到 NodeD 上

---

二、服务器 Node X 宕机

• 四个数据 ObjectA、ObjectB、ObjectC、ObjectD 在环空间的位置已确定，假设此时 NodeC 宕机，则 ObjectA、ObjectB、ObjectD 都不会受到影响，只有 ObjectC 会被重新定位到 NodeD 上

  

  • 一般在一致性哈希算法中，如果某一台服务器不可用，则受影响的数据仅仅是此服务器在环空间中与前一台服务器之间的数据 (即沿着逆时针方向行走，遇到第一台服务器之间的数据)，而其他数据不会受到影响

---

三、新增服务器 Node X

• 假设在 NodeB 和 NodeC 之间新加一台服务器 NodeX，则 ObjectA、ObjectB、ObjectD 都不会受到影响，只有 ObjectC 会被重新定位到 NodeN 上

  

  • 一般在一致性哈希算法中，如果新增一台服务器，则受影响的数据仅仅是新服务器在环空间与前一台服务器之间的数据 (即沿着逆时针方向行走，遇到第一台服务器之间的数据)，而其他数据不会受到影响

---

四、哈希环数据倾斜问题

• 一致性哈希算法并不是完美的，它会遇到一个叫做哈希环数据倾斜的问题

  

  • 所谓哈希环数据倾斜问题，是指一致性哈希算法在服务器节点很少时，容易因为节点分布不均匀而造成的数据倾斜，即大量数据都集中缓存在某一台服务器上

---

五、解决哈希环数据倾斜问题

• 为了解决哈希环数据倾斜问题，一致性哈希算法引入了虚拟节点的机制，即对每个服务器节点计算多个哈希，在每个计算结果位置都放置一个子服务器节点，即虚拟节点，具体做法可以由在服务器 IP 或主机名的后面添加编号来实现

  

  • 如上所示，我们为每台服务器计算三个虚拟节点，NodeA --> NodeA#1、NodeA#2、NodeA#3，NodeB --> NodeB#1、NodeB#2、NodeB#3，将它们均匀地分布在哈希环上，于是这样就形成了六个虚拟节点

  • 同时数据定位算法不变，只是多了一步虚拟节点到实际节点的映射，例如当数据定位到 NodeA#1 或 NodeA#2 时，两个虚拟节点的数据均需要再次定位到 NodeA 上，这样子就解决了服务器节点少时的数据倾斜问题

• 在实际应用中，通常将虚拟节点设置为 32 或更大，因此即使服务器节点很少，也能够做到相对均匀的数据分布

---

六、参考资料

• 五分钟看懂一致性哈希算法