一致性哈希算法
最初提出是为了解决分布式Cache,网络中的热点(Hot spot)问题
memcached服务器端本身不提供分布式cache的一致性,而是由客户端来提供,具体在计算一致性hash时采用如下步骤:
- 首先求出memcached服务器(节点)的哈希值,并将其配置到0~232的圆(continuum)上。
- 然后采用同样的方法求出存储数据的键的哈希值,并映射到相同的圆上。
- 然后从数据映射到的位置开始顺时针查找,将数据保存到找到的第一个服务器上。如果超过232仍然找不到服务器,就会保存到第一台memcached服务器上。
一致性哈希解决数据分布不一致造成的数据倾斜问题?
引用虚拟节点,通过虚拟节点的二次映射解决数据分布不均引起的节点负荷不均。
CAP : 分布式中的理论: 一致性、可用性、分区容错性。三者不可兼得,只能保证其中两个。因此,任何分布式系统的设计是三者之间的取舍。
分布式场景Webservice
一个Webservice后台运行着众多servers 对webservice的读写会反映到后台的server集群,并对CAP进行定义:
- C - 一致性: 所有节点上的数据时刻保持同步
- A - 可用性(高可用低延迟): 每个请求都能得到响应,无论成功或失败
- P-分区容错性: 系统应该能持续提供服务,即使系统内部有消息丢失<

本文探讨了一致性哈希算法如何应用于分布式缓存系统,如Memcached,以解决热点数据分布不均的问题。通过虚拟节点技术,它确保了在高可用性和分区容错性的背景下,数据负载均衡。同时,对比了CAP理论在不同应用场景下的权衡选择。
最低0.47元/天 解锁文章
1067

被折叠的 条评论
为什么被折叠?



