Redis教程

Redis - 一致性哈希(Consistent Hashing Algorithm)

本文主要是介绍Redis - 一致性哈希(Consistent Hashing Algorithm),对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

总结

1. 为什么需要一致性哈希?传统的取模操作不行么?

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。Memcached client也选择这种算法,解决将key-value均匀分配到众多cahce server上的问题。它可以取代传统的取模操作,解决了取模操作无法应对增删cached Server的问题 (增删server会导致同一个key,在get操作时分配不到数据真正存储的server,命中率会急剧下降)。

2.一致性哈希算法介绍

  • 将整个哈希值空间组织成一个虚拟的圆环,整个空间按顺时针方向组织
  • 先将各个服务器使用Hash进行一个哈希(可以选择服务器的ip或主机名作为关键字进行哈希),这样每台机器就能确定其在哈希环上的位置
  • 将数据key使用相同的函数Hash计算出哈希值,并确定此数据在环上的位置,从此位置沿环顺时针“行走”,第一台遇到的服务器就是其应该定位到的服务器。

3.一致性哈希优点

  • (1)扩展性:当增加节点时,只会影响顺时针的真实节点(此部分数据比较难迁移),而不是影响全部的节点。
  • (2)容错性:当节点宕机或删除节点时,只会影响逆时针的真实节点,而不是影响全部的节点。
  • (3)平衡性:当哈希算法的节点过少时,会可能造成某些服务器的数据存储较多,而另外一些存储较少,造成数据倾斜,当节点足够多时,这种现象得以缓解。因此虚拟节点个数较大的时候,数据的平衡性得以保证。

4.一致性哈希缺点

  • 因为当增删节点时,需要重新计算受影响部分的节点中的key全部找出来,才能迁移,这个很麻烦!!!
  • Redis在此种用法下,也只能当缓存,不能当存储数据库!

 

一、一致性哈希介绍

一致性哈希算法(Consistent Hashing)简单来说,是将整个哈希值空间组织成一个虚拟的圆环,如假设某哈希函数Hash的值空间为0-2^32-1(即哈希值是一个32位无符号整形),整个空间按顺时针方向组织。0和232-1在零点中方向重合。哈希空间环如下图所示:

 

 

下一步将各个服务器使用Hash进行一个哈希,具体可以选择服务器的ip或主机名作为关键字进行哈希,这样每台机器就能确定其在哈希环上的位置,这里假设将上文中四台服务器使用ip地址哈希后在环空间的位置如下:

 

接下来使用如下算法定位数据访问到相应服务器:将数据key使用相同的函数Hash计算出哈希值,并确定此数据在环上的位置,从此位置沿环顺时针“行走”,第一台遇到的服务器就是其应该定位到的服务器。

例如我们有Object A、Object B、Object C、Object D四个数据对象,经过哈希计算后,在环空间上的位置如下:

根据一致性哈希算法,数据A会被定为到Node A上(也就是说数据A会定位储存在NodeA节点上),B被定为到Node B上,C被定为到Node C上,D被定为到Node D上。

 

二、一致性哈希的优点 

2.1 容错性 - 某节点服务器宕机怎么办

现假设Node C不幸宕机,可以看到此时对象A、B、D不会受到影响,只有C对象被重定位到Node D。一般的,在一致性哈希算法中,如果一台服务器不可用,则受影响的数据仅仅是此服务器到其环空间中前一台服务器(即沿着逆时针方向行走遇到的第一台服务器)之间数据,其它不会受到影响。

 

 

 

2.2 可扩展性 - 增加节点服务器怎么办

如果在系统中增加一台服务器Node X,如下图所示:

此时对象Object A、B、D不受影响,只有对象C需要重定位到新的Node X 。一般的,在一致性哈希算法中,如果增加一台服务器,则受影响的数据仅仅是新服务器到其环空间中前一台服务器(即沿着逆时针方向行走遇到的第一台服务器)之间数据,其它数据也不会受到影响。

 

 

2.3 平衡性 - 虚拟节点解决数据倾斜

数据倾斜问题

一致性哈希算法在服务节点太少时,容易因为节点分部不均匀而造成数据倾斜问题。例如系统中只有两台服务器,其环分布如下:此时必然造成大量数据集中到Node B上,而只有极少量会定位到Node A上。

 

 

虚拟节点,解决数据倾斜

为了解决这种数据倾斜问题,一致性哈希算法引入了虚拟节点机制,即对每一个服务节点计算多个哈希,每个计算结果位置都放置一个此服务节点,称为虚拟节点。具体做法可以在服务器ip或主机名的后面增加编号来实现。例如上面的情况,可以为每台服务器计算三个虚拟节点,于是可以分别计算 “Node A#1”、“Node A#2”、“Node A#3”、“Node B#1”、“Node B#2”、“Node B#3”的哈希值,于是形成六个虚拟节点:

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,例如定位到“Node A#1”、“Node A#2”、“Node A#3”三个虚拟节点的数据均定位到Node A上。这样就解决了服务节点少时数据倾斜的问题。在实际应用中,通常将虚拟节点数设置为32甚至更大,因此即使很少的服务节点也能做到相对均匀的数据分布。

 

三、一致性哈希的缺点

因为当增删节点时,需要重新计算受影响部分的节点中的key全部找出来,才能迁移,这个很麻烦!!!
Redis在此种用法下,也只能当缓存,不能当存储数据库!

 

参考文献

一致性哈希算法原理 :https://www.cnblogs.com/lpfuture/p/5796398.html

 

这篇关于Redis - 一致性哈希(Consistent Hashing Algorithm)的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!