一致性哈希簡單介紹

• ?Consistent Hashing 算法早在 1997 年就在論文《Consistent hashing and random trees》中被提出，提出了在動態變化的Cache環境中，哈希算法應該滿足的4個適應條件：

平衡性(Balance)

單調性(Monotonicity)

分散性(Spread)

負載(Load)

?

一致性哈希原理

一致性哈希將key用hash函數進行映射，映射出來的所有點能夠分布到一個圓環內，實際上consistent hashing 是一種 hash 算法, 在改變映射內容的大小時，而不需要改變hash算法，且能夠盡可能小的改變已存在 key 映射關系，盡可能的滿足單調性的要求。。這里我要講述一種特殊的一致性哈希——分布式一致性哈希(Distributed Consistent Hashing)：
普通的一致性哈希

• 分布式一致性哈希(DCH)滿足節點的對稱分布，普通的一致性哈希表現如圖1：

• 3個節點平均分布在圓環上，每個節點之間的角度為120°，此時，只要hash函數夠均勻，那么每個節點所命中的概率則都是一樣的。

• 如果再增加一個節點，普通的一致性哈希認為無論在那個節點之間增加新的節點，那么與新的節點非相鄰的節點盡量保持不變，這樣保證一致性哈希的單調性，如圖 2：

• 新的節點4（n4）自由分配到節點2（n2）和節點3（n3）之間，那么原來的key的映射范圍k3變成了新的k3和k4，插入時，新的k3將著落在節點 4（n4）上；新的k4將著落在節點3上（n3）。為了節點的老數據不丟失，我們還需要將節點3上的屬于k3范圍的數據遷移到新的節點4（n4）上，并定期刪除節點3（n3）的冗余數據（一致性哈希的分散性），這樣在查詢時，不會有命中不到的情況。雖然保證了一致性哈希的單調性，但是這樣的方式不能保證節點的負載均衡，畢竟大部分的查詢會著落在節點1（n1）和節點2（n2）上。

• 如果減少節點，普通的一致性哈希情況如圖3：

• 節點3（n3）因為某種原因不能進行映射，那么圓環上只剩下2個節點（n1、n2），這樣原來k1和k3合并成新的k1，即所有的負載全部著落在節點 1（n1）上，同新增加節點一樣，雖然保證了單調性，但是明顯不能保證負載均衡。

  ?

分布式一致性哈希

?

• 分布式一致性哈希（DCH）只是在普通的的一致性哈希算法進行的一點改進。同樣DCH是將key映射到一個圓環中，與普通一致性哈希不同的是，節點增加了虛擬的節點；包括實節點對之對應的虛節點不是按照連續的弧度范圍進行劃分，而是定義一個最小的弧度單位（最好能夠被圓整分），在這個最小的弧度單位里面均勻放置所有的節點，如圖4：

• 上圖實線部分表示實節點，虛線部分表示虛節點。

• 當增加新節點或刪除節點的時候，保證最小弧度單位不變化，每個節點分別控制插入和數據遷移的大小，如圖5所示：

• 當新增加節點時

最小弧度中數據遷移大小=最小弧度/節點數
總共數據遷移量=最小弧度中數據遷移大小*360/最小弧度=360/節點數

• 與傳統一致性哈希比較，遷移數據從1點節點開始增加，那么遷移的數據弧度比例分別為：

傳統一致性哈希（2分法）：1/2+1/4+1/4+1/8+1/8+1/8+1/8+...
DCH：1/2+1/3+1/4+1/5+1/6+1/7+1/8...

• 很明顯，傳統一致性哈希遷移數據量少，但是負載集中在某幾個節點上；而DCH則主要體現在遷移數據會利用各個節點的資源達到均衡，查詢時也會比傳統一致性哈希更均勻些。

• 當刪除節點時，并無數據遷移；

總結

• 對于在分布式的環境中來說，數據的訪問負載均衡更加重要，所以采用DCH的類似架構可能比數據遷移更加重要，比如memcache當中就采用了虛擬節點方式去達到負載均衡的目的。

• 對于數據遷移來說，普通的一致性哈希針對的是某兩個節點的數據遷移，而DCH針對的是一個分布式的環境，在數據量特別大的時候，DCH方式將數據遷移的壓力分散到各個節點，而不是集中在某些節點上。

總結

以上是生活随笔為你收集整理的一致性哈希简单介绍的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。