20190709 - 一致性哈希算法

Memcached

Memcached是一个高性能的分布式缓存系统，但是它的服务端没有分布式，服务器之间不会相互通信，而是依赖客户端，由客户端选择服务器。
具体步骤：
1、向Memcached添加数据，首先客户端的算法根据key值找到key值对应的服务器；
2、服务器选定之后，保存缓存数据。
3、获取数据的时候，也是根据key，定位到具体的服务器，从而获取数据。
所以，这个算法就显得尤为重要。

哈希算法

普通的哈希算法：根据key值取余。有一个很明显的缺点，一旦有一台机器宕机，除数一变，所有节点的值都会跟着变。
常见哈希算法：
1、MD5：Message-Digest Algorith5。把大容量信息压缩成一种保密格式，即把任意长度的字节串变换成定长的16进制数字串。
2、CRC：CyclicRedundancyCheck，循环冗余校验。
3、MurmurHash 算法：高运算性能，低碰撞率，现已应用到 Hadoop、libstdc++、nginx、libmemcached 等开源系统。Java 界中 Redis，Memcached，Cassandra，HBase，Lucene和Guava 都在使用它。
4、FNV 算法：Fowler-Noll-Vo 算法， FNV 能快速 hash 大量数据并保持较小的冲突率，它的高度分散使它适用于 hash 一些非常相近的字符串，比如 URL，hostname，文件名，text 和 IP 地址等。
5、Ketama 算法：一致性哈希算法的实现之一，其他的哈希算法有通用的一致性哈希算法实现，只不过是替换了哈希映射函数而已，但 Ketama 是一整套的流程。

一致性哈希算法

第一步：服务器形成一个环。
第二步：计算出key值的hash key，映射到环上，然后顺时针选择的最近的服务器就是该缓存的服务器。

如上图所示：hash key为1的数据落在B服务器上，
hash key为2、3的数据落在C服务器上，
hash key为4、5的数据落在D服务器上，
hash key为6、7的数据落在D服务器上，

假设服务器B宕机，那么依靠在它身上的节点就会顺时针挂在其他服务器上，那么会变成下图：

如上图所示：hash key为1的数据落在B服务器上 ，
hash key为1、2、3的数据落在C服务器上，
hash key为4、5的数据落在D服务器上，
hash key为6、7的数据落在D服务器上，
影响的节点只有1号，把影响降到了最低。

但是，会存在一个问题，服务器分布不均衡，这时候，就要使用虚拟节点了。如下：

1，2，3，4都会落在服务器A上，不均匀，可创建虚拟节点优化此现象。

落在哪个服务器的虚拟节点上，就等于落在哪个服务器上了。
hash key为1、4的数据落在A服务器上，
hash key为2的数据落在B服务器上，
hash key为3的数据落在C服务器上，
就很均匀啦~
虚拟节点越多，hash环上的节点就越多，被均匀分布的概率就越大。

参考链接：https://mp.weixin.qq.com/s?__biz=MzAxNjM2MTk0Ng==&mid=2247487481&idx=2&sn=e09c7100cf03e55e45be739b0fede098&chksm=9bf4bf4cac83365a97dd1979b8c9d379ae70d5d9fa0c8ef4ee774f0bc4f9e8b4cd612ea9729a&xtrack=1&scene=0&subscene=91&sessionid=1562603265&clicktime=1562603349&ascene=7&devicetype=android-26&version=27000481&nettype=3gnet&abtest_cookie=BQABAAoACwASABMAFQAFACOXHgBWmR4AxpkeAPSZHgANmh4AAAA%3D&lang=zh_CN&pass_ticket=zTogeek3uknj8Z8j6SXp9OBcPTAGj1XzByRWmIZb8fADv27iOH6Lsg%2BBOBsemE2v&wx_header=1