分布式系统 —— 一致性哈希算法

文章目录

• • • 引出
    • 一致性哈希步骤
    • 参考资料

引出

一致性哈希算法(Consistent Hashing Algorithm)是一种分布式算法，常用于负载均衡。

随着业务的扩展，流量的剧增，单体项目逐渐划分为分布式系统。对于经常使用的数据，我们可以使用Redis作为缓存机制，减少数据层的压力。因此，重构后的系统架构如下图所示：

优化最简单的策略就是，把常用的数据保存到Redis中，为了实现高可用使用了3台Redis。每次Redis请求会随机发送到其中一台，但是这种策略会引发如下两个问题：

1. 同一份数据可能在多个Redis数据库，造成数据冗余
2. 某一份数据在其中一台Redis数据库已存在，但是再次访问Redis数据库，并没有命中数据已存在的库而是命中了其他数据库。

解决上述问题我们可以使用普通哈希算法：
普通哈希算法，我们把一个数据，进行哈希算法得到哈希值，然后对服务器数取模。然后将该数均匀存储到相应的数据库服务器中。
我们需要稍稍改变一些key存入Redis的规则：使用hash算法
例如，有三台Redis，对于每次的访问都可以通过计算hash来求得hash值。
如公式 h=hash(key)%3，我们把Redis编号设置成0,1,2来保存对应hash计算出来的值，h的值等于Redis对应的编号。

但是该算法存在一个缺陷，就是如果我们增加或者删除了服务器数量，那么我们取数的时候，很多原有的数据就无法找到了。也就是说扩展性出现了问题，这样就不能够取到正确的数。为了解决该问题，我们使用一致性哈希算法。

一致性哈希步骤

1. 形成环空间，将0~（2^32）-1 对应的数围成一个环，形成闭环。然后将服务器的ip得知的哈希值和（2^{32）取模，将该服务器放入环中。然后将数据的进行hash值并对（2}32）取模，放入环中，顺时针找到离他最近的一个服务器，将数据放入该服务器。

   

2. 优点：如果使用之前的hash算法，服务器数量发生改变时，所有服务器的所有缓存在同一时间失效了，而使用一致性哈希算法时，服务器的数量如果发生改变，并不是所有缓存都会失效，而是只有部分缓存会失效。

   

3. hash环偏移：如果服务器被映射成下图中的模样，那么被缓存的对象很有可能大部分集中缓存在某一台服务器上。这样还是会对单个服务器造成叫答应较大影响

4. 使用虚拟节点解决。我们将ABC服务器复制出虚拟节点，让他们分布更均匀一些，这样就能够更均匀的让数据分配到各个服务器中。还可以虚拟出更多节点，然后将虚拟节点映射到实际服务器。

参考资料

https://www.zsythink.net/archives/1182
https://blog.csdn.net/cywosp/article/details/23397179
https://juejin.cn/post/6844903750860013576