欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

技术分享 | Jump Consistent Hash 原理解析(上篇)

程序员文章站 2024-03-19 21:35:40
...

作者:傅文辉

之前爱可生开源社区公众号发表了dble 沿用 jumpstringhash,移除 Mycat 一致性 hash 原因解析, 阐述了跳跃法相对环割法的性能优势。很多读者表示对其中"跳跃法的原理"不是很理解,本文就来详细阐述一下。

一致性哈希

首先,我们的需求是,将数据(key-value pair)分布在多个节点上。这点可以简单的用取模实现,

节点 key
1 1 4 7 10
2 2 5 8 11
3 3 6 9 12

然而,当增加新节点时,数据将发生大规模转移:

节点 key
1 (1) 5 9
2 (2) 6 10
3 (3) 7 11
4 4 8 12

一致性哈希的主要目的是,在节点数量发生变更时,只需要在节点间移动少量数据,而不是"全部洗牌"。

除了经典的环割法一致性哈希外,Google 发表了另一种实现简洁且高效的跳跃法一致性哈希《A Fast, Minimal Memory, Consistent Hash Algorithm》(文末附链接)

在爱可生开源数据库中间件 dble 中,关于 jump consistent hash 的配置方法详见 dble 官方手册中"跳增字符串算法"的部分(文末附链接)。

基础实现

与原始论文不同, 本文节点(又称 bucket)从 1 开始编号,而非从 0 开始。

  • 先考虑只有一个节点的情况,显然所有数据都放在这个节点里, 即 ch(key,1)=1 (ch 为 consistent_hash 之缩写)。
  • 考虑增加一个节点,我们随机抽取 1/2 的数据移动到 2 号节点
  • 考虑再增加一个节点,需要从 1、2 号节点中,随机抽取共 1/3 的数据移动到 3 号节点
    • 为了均匀分配, 1、2号需要各出 1/6 的数据
    • 实际上,只要每个 key 都有 1/3 的概率被抽中,分配总是均匀的

可以看到,每增加一个节点,只需要移动总共 1/n 的数据,而不是取模法中的几乎所有数据。

所谓随机抽取,我们采用可重现的随机:首次调用 Rand() 之前将 key 作为随机数种子。因而对于一个 key,首次放入和后续取回使用的是相同的随机数序列。

例如有 k1,k2,k3 三个 key, 随着节点数量从 1 到 15 增长, 它们各自会在某一时刻“跳跃”,而后“稳定”一段时间。

1 2 3 4 5 6 7 8 9 10 11 12 13 14
k1 1 1 3 3 5 5 5 5 5 5 5 5 5 5
k2 1 2 2 2 2 2 2 8 8 8 8 8 8 8
k3 1 2 2 2 2 6 6 8 8 8 11 11 11 11

我们用数学归纳法来表达一下某个 key 在不同节点数时的位置:

  • 基础情况:只有一个节点,只能放在节点 1
  • 归纳情况:假设目前有 n 个节点,增加一个节点到 n+1 个。key 目前所在的位置由之前的跳跃情况决定。本轮该 key 有 1/(n+1) 的概率被移到 n+1 号节点
    • 即 n+1 节点时,key 所在的位置由 n 节点时的位置和一个随机变量 rand 决定, 如果 rand<1/(n+1), 它就会跳跃到 n+1 节点, 否则则和 n 节点时一样

结合基础情况和归纳情况,我们得出了 n 为任意正整数时的分配方法。数学归纳法的逻辑和递归代码直接对应:

  func ch(r *rand.Rand, k int, i int) int {
  	if i == 1 {
      	// 基础情况
      	return 1
      } else {
      	// 归纳情况
      	b := ch(k, i-1)
          if rand.Float() < 1.0/float64(i) {
  	        return i
          } else {
  	    	return b
          }
      }
  }

func ch_wrapper(k int, i int) int {
    r := rand.Seed(k) // 在计算之前, 将key作为随机数种子
    return ch(r, k, i)
}

注意,要先计算 ch(k, i-1) 再决定本轮是否跳转( if rand < 1.0/i )。不能因为本轮决定跳转就不计算上一轮的结果,否则会因节点数不同而产生不一样的随机序列。

工程代码中一般使用循环代替递归。本文不再赘述递归转循环的办法。

优化性能

我们看到,对于一个 key,我们要从 1~N(N 为节点数)循环一遍,即复杂度为节点数的线性关系. 原始论文中给出了一个巧妙的方法,使复杂度从线性降低到了对数:既然每一次是否跳跃的决策中我们随机决定,那么,与其一次次决定是否跳跃,我们是否能够直接随机地决定下一次跳跃的目标?当然,这个随机目标的取值符合一定的概率分布。

关于这个巧妙方法的具体内容和论证,敬请期待下篇。

文中相关资源链接:
《A Fast, Minimal Memory, Consistent Hash Algorithm》
https://arxiv.org/ftp/arxiv/papers/1406/1406.2294.pdf
《DBLE 手册中跳增字符算法部分》
https://actiontech.github.io/dble-docs-cn/1.config_file/1.01_rule.xml.html