【轉】什麼是一致性hash演算法？（詳解）

一致性hash演算法總結：

    本質為一個0-2^32 -1的閉環，將伺服器節點Node根據使用自身具有代表性的資訊hash對2^32取模，比如根據伺服器名稱+ip+節點名稱等進行hash並取模後計算出node在hash環上的位置。我們在儲存kv時通過對hash(key)來獲取在環上的位置，向右查詢直到找到第一個伺服器node節點，就將其儲存在該node節點上，查詢值的過程類似。

    在伺服器node比較少時可能會產生資料偏移的問題，我們可以通過建立虛擬節點來均勻資料的儲存。這樣不僅可以解決資料偏移問題，還可以更進一步的降低伺服器node的增刪變動產生的資料儲存位置移動的影響。

詳細解釋請看下面博文~~~

以下博文轉載自：https://blog.csdn.net/xlgen157387/article/details/79544524#commentsedit 

最近有小夥伴跑過來問什麼是Hash一致性演算法，說面試的時候被問到了，因為不瞭解，所以就沒有回答上，問我有沒有相應的學習資料推薦，當時上班，沒時間回覆，晚上回去了就忘了這件事，今天突然看到這個，加班為大家整理一下什麼是Hash一致性演算法，希望對大家有幫助！

經常閱讀我文章的小夥伴應該都很熟悉我寫文章的套路，上來就是先要問一句為什麼？也就是為什麼要有Hash一致性演算法？就像以前介紹為什麼要有Spring一樣，首先會以歷史的角度或者專案發展的角度來分析，今天的分享還是一樣的套路，先從歷史的角度來一步步分析，探討一下到底什麼是Hash一致性演算法！

一、Redis叢集的使用

我們在使用Redis的時候，為了保證Redis的高可用，提高Redis的讀寫效能，最簡單的方式我們會做主從複製，組成Master-Master或者Master-Slave的形式，或者搭建Redis叢集，進行資料的讀寫分離，類似於資料庫的主從複製和讀寫分離。如下所示：

同樣類似於資料庫，當單表資料大於500W的時候需要對其進行分庫分表，當資料量很大的時候（標準可能不一樣，要看Redis伺服器容量）我們同樣可以對Redis進行類似的操作，就是分庫分表。

假設，我們有一個社交網站，需要使用Redis儲存圖片資源，儲存的格式為鍵值對，key值為圖片名稱，value為該圖片所在檔案伺服器的路徑，我們需要根據檔名查詢該檔案所在檔案伺服器上的路徑，資料量大概有2000W左右，按照我們約定的規則進行分庫，規則就是隨機分配，我們可以部署8臺快取伺服器，每臺伺服器大概含有500W條資料，並且進行主從複製，示意圖如下：

由於規則是隨機的，所有我們的一條資料都有可能儲存在任何一組Redis中，例如上圖我們使用者查詢一張名稱為”a.png”的圖片，由於規則是隨機的，我們不確定具體是在哪一個Redis伺服器上的，因此我們需要進行1、2、3、4，4次查詢才能夠查詢到（也就是遍歷了所有的Redis伺服器），這顯然不是我們想要的結果，有了解過的小夥伴可能會想到，隨機的規則不行，可以使用類似於資料庫中的分庫分表規則：按照Hash值、取模、按照類別、按照某一個欄位值等等常見的規則就可以出來了！好，按照我們的主題，我們就使用Hash的方式。

二、為Redis叢集使用Hash

可想而知，如果我們使用Hash的方式，每一張圖片在進行分庫的時候都可以定位到特定的伺服器，示意圖如下：

上圖中，假設我們查詢的是”a.png”，由於有4臺伺服器（排除從庫），因此公式為hash(a.png) % 4 = 2 ，可知定位到了第2號伺服器，這樣的話就不會遍歷所有的伺服器，大大提升了效能！

三、使用Hash的問題

上述的方式雖然提升了效能，我們不再需要對整個Redis伺服器進行遍歷！但是，使用上述Hash演算法進行快取時，會出現一些缺陷，主要體現在伺服器數量變動的時候，所有快取的位置都要發生改變！

試想一下，如果4臺快取伺服器已經不能滿足我們的快取需求，那麼我們應該怎麼做呢？很簡單，多增加幾臺快取伺服器不就行了！假設：我們增加了一臺快取伺服器，那麼快取伺服器的數量就由4臺變成了5臺。那麼原本hash(a.png) % 4 = 2 的公式就變成了hash(a.png) % 5 = ？ ， 可想而知這個結果肯定不是2的，這種情況帶來的結果就是當伺服器數量變動時，所有快取的位置都要發生改變！換句話說，當伺服器數量發生改變時，所有快取在一定時間內是失效的，當應用無法從快取中獲取資料時，則會向後端資料庫請求資料（還記得上一篇的《快取雪崩》嗎？）！

同樣的，假設4臺快取中突然有一臺快取伺服器出現了故障，無法進行快取，那麼我們則需要將故障機器移除，但是如果移除了一臺快取伺服器，那麼快取伺服器數量從4臺變為3臺，也是會出現上述的問題！

所以，我們應該想辦法不讓這種情況發生，但是由於上述Hash演算法本身的緣故，使用取模法進行快取時，這種情況是無法避免的，為了解決這些問題，Hash一致性演算法（一致性Hash演算法）誕生了！

四、一致性Hash演算法的神祕面紗

一致性Hash演算法也是使用取模的方法，只是，剛才描述的取模法是對伺服器的數量進行取模，而一致性Hash演算法是對2^32取模，什麼意思呢？簡單來說，一致性Hash演算法將整個雜湊值空間組織成一個虛擬的圓環，如假設某雜湊函式H的值空間為0-2^32-1（即雜湊值是一個32位無符號整形），整個雜湊環如下：

整個空間按順時針方向組織，圓環的正上方的點代表0，0點右側的第一個點代表1，以此類推，2、3、4、5、6……直到2^32-1，也就是說0點左側的第一個點代表2^32-1， 0和2^32-1在零點中方向重合，我們把這個由2^32個點組成的圓環稱為Hash環。

下一步將各個伺服器使用Hash進行一個雜湊，具體可以選擇伺服器的IP或主機名作為關鍵字進行雜湊，這樣每臺機器就能確定其在雜湊環上的位置，這裡假設將上文中四臺伺服器使用IP地址雜湊後在環空間的位置如下：

接下來使用如下演算法定位資料訪問到相應伺服器：將資料key使用相同的函式Hash計算出雜湊值，並確定此資料在環上的位置，從此位置沿環順時針“行走”，第一臺遇到的伺服器就是其應該定位到的伺服器！

例如我們有Object A、Object B、Object C、Object D四個資料物件，經過雜湊計算後，在環空間上的位置如下：

根據一致性Hash演算法，資料A會被定為到Node A上，B被定為到Node B上，C被定為到Node C上，D被定為到Node D上。

五、一致性Hash演算法的容錯性和可擴充套件性

現假設Node C不幸當機，可以看到此時物件A、B、D不會受到影響，只有C物件被重定位到Node D。一般的，在一致性Hash演算法中，如果一臺伺服器不可用，則受影響的資料僅僅是此伺服器到其環空間中前一臺伺服器（即沿著逆時針方向行走遇到的第一臺伺服器）之間資料，其它不會受到影響，如下所示：

下面考慮另外一種情況，如果在系統中增加一臺伺服器Node X，如下圖所示：

此時物件Object A、B、D不受影響，只有物件C需要重定位到新的Node X ！一般的，在一致性Hash演算法中，如果增加一臺伺服器，則受影響的資料僅僅是新伺服器到其環空間中前一臺伺服器（即沿著逆時針方向行走遇到的第一臺伺服器）之間資料，其它資料也不會受到影響。

綜上所述，一致性Hash演算法對於節點的增減都只需重定位環空間中的一小部分資料，具有較好的容錯性和可擴充套件性。

六、Hash環的資料傾斜問題

一致性Hash演算法在服務節點太少時，容易因為節點分部不均勻而造成資料傾斜（被快取的物件大部分集中快取在某一臺伺服器上）問題，例如系統中只有兩臺伺服器，其環分佈如下：

此時必然造成大量資料集中到Node A上，而只有極少量會定位到Node B上。為了解決這種資料傾斜問題，一致性Hash演算法引入了虛擬節點機制，即對每一個服務節點計算多個雜湊，每個計算結果位置都放置一個此服務節點，稱為虛擬節點。具體做法可以在伺服器IP或主機名的後面增加編號來實現。

例如上面的情況，可以為每臺伺服器計算三個虛擬節點，於是可以分別計算 “Node A#1”、“Node A#2”、“Node A#3”、“Node B#1”、“Node B#2”、“Node B#3”的雜湊值，於是形成六個虛擬節點：

同時資料定位演算法不變，只是多了一步虛擬節點到實際節點的對映，例如定位到“Node A#1”、“Node A#2”、“Node A#3”三個虛擬節點的資料均定位到Node A上。這樣就解決了服務節點少時資料傾斜的問題。在實際應用中，通常將虛擬節點數設定為32甚至更大，因此即使很少的服務節點也能做到相對均勻的資料分佈。

七、總結

上文中，我們一步步分析了什麼是一致性Hash演算法，主要是考慮到分散式系統每個節點都有可能失效，並且新的節點很可能動態的增加進來的情況，如何保證當系統的節點數目發生變化的時候，我們的系統仍然能夠對外提供良好的服務，這是值得考慮的！

---

參考文章：

1、https://www.cnblogs.com/lpfuture/p/5796398.html

2、http://www.zsythink.net/archives/1182