浅谈一致性Hash原理及应用
在讲一致性hash之前我们先来讨论一个问题。
问题:现在有亿级用户,每日产生千万级订单,如何将订单进行分片分表?
小a:我们可以按照手机号的尾数进行分片,同一个尾数的手机号写入同一片/同一表中。
大佬:我希望通过会员id来查询这个会员的所有订单信息,按照手机号分片/分表的话,前提是需要该用户的手机号保持不变,并且在查询订单列表时需要提前查询该用户的手机号,利用手机号尾数不太合理。
小b:按照大佬的思路,我们需要找出一个唯一不变的属性来进行分片/分表。
大佬:迷之微笑~
小b:(信心十足)会员在我们这边保持不变的就是会员id(int),我们可以通过会员id的尾数进行分片/分表
小c:尽然我们可以用会员id尾数进行分片/分表,那就用取模的方式来进行分片/分表,通过取模的方式可以达到很好的平衡性。示意图如下:
大佬:嗯嗯嗯,在不考虑会员冷热度的情况下小b和小c说的方案绝佳;但是往往我们的会员有冷热度和僵尸会员,通过取模的方式往往会出现某个分片数据异常高,部分分片数据异常低,导致平衡倾斜。示意图如下:
大佬:当出现某个分片/分表达到极限时我们需要添加片/表,此时发现我们无法正常添加片/表。因为一旦添加片/或表的时候会导致绝大部分数据错乱,按照原先的取模方式是无法正常获取数据的。示意图如下
添加分片/分表前4,5,6会员的订单分别存储在a,b,c上,当添加了片/表的时候在按照(会员id%n)方式取模去取数据4,5,6会员的订单数据时发现无法取到订单数据,因为此时4,5,6这三位会员数据分布存在了d,e,a上,具体示意图如下:
大佬:所以通过取模的方式也会存在缺陷;好了接下来我们来利用一致hash原理的方式来解决分片/分表的问题。
首先什么是一致性哈希算法?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memcached 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memcached 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)。
还以上述问题为例,假如我们有10片,我们利用hash算法将每一片算出一个hash值,而这些hash点将被虚拟分布在hash圆环上,理论视图如下:
按照顺时针的方向,每个点与点之间的弧形属于每个起点片的容量,然后按照同样的hash计算方法对每个会员id进行hash计算得出每个hash值然后按照区间进行落片/表,以保证数据均匀分布。
如果此时需要在b和c之间新增一片/表(b1)的话,就不会出现按照取模形式导致数据几乎全部错乱的情况,仅仅是影响了(b1,c)之间的数据,这样我们清洗出来也就比较方便,也不会出现数据大批量
瘫痪。
但是如果我们仅仅是将片/表进行计算出hash值之后,这些点分布并不是那么的均匀,比如就会下面的这种情况,导致区间倾斜。如图
这个时候虚拟节点就此诞生,下面让我们来看一下虚拟节点在一致性hash中的作用。当我们在hash环上新增若干个点,那么每个点之间的距离就会接近相等。按照这个思路我们可以新增若干个
片/表,但是成本有限,我们通过复制多个a、b、c的副本({a1-an},{b1-bn},{c1-cn})一起参与计算,按照顺时针的方向进行数据分布,按照下图示意:
此时a=[a,c1)&[a1,c2)&[a2,b4)&[a3,a4)&[a4,b1);b=[b,a1)&[b2,c)&[b3,c3)&[b4,c4)&[b1,a);c=[c1,b)&[c2,b2)&[c,b3)&[b3,c3)&[c4,a3);由图可以看出分布点越密集,平衡性约好。
1 using system; 2 using system.collections.generic; 3 using system.data.hashfunction; 4 using system.data.hashfunction.xxhash; 5 using system.linq; 6 7 namespace hashtest 8 { 9 public class consistenthash 10 { 11 /// <summary> 12 /// 虚拟节点数 13 /// </summary> 14 private static readonly int virturalnodenum = 10; 15 16 /// <summary> 17 /// 服务器ip 18 /// </summary> 19 private static readonly string[] nodes = { "192.168.1.1", "192.168.1.2", "192.168.1.3"}; 20 21 /// <summary> 22 /// 按照一致性hash进行分组 23 /// </summary> 24 private static readonly idictionary<uint, string> consistenthashnodes = new dictionary<uint, string>(); 25 26 private static uint[] _nodekeys = null; 27 28 public static void computenode() 29 { 30 foreach (var node in nodes) 31 { 32 addnode(node); 33 } 34 } 35 36 private static void addnode(string node) 37 { 38 for (int i = 0; i < virturalnodenum; i++) 39 { 40 var key = node + ":" + i; 41 var hashvalue = computehash(key); 42 if (!consistenthashnodes.containskey(hashvalue)) 43 { 44 consistenthashnodes.add(hashvalue, node); 45 } 46 } 47 48 _nodekeys = consistenthashnodes.keys.toarray(); 49 } 50 51 private static uint computehash(string virturalnode) 52 { 53 var hashfunction = xxhashfactory.instance.create(); 54 var hashvalue = hashfunction.computehash(virturalnode); 55 return bitconverter.touint32(hashvalue.hash, 0); 56 } 57 58 public static string get(string item) 59 { 60 var hashvalue = computehash(item); 61 var index = getclockwisenearestnode(hashvalue); 62 return consistenthashnodes[_nodekeys[index]]; 63 } 64 65 private static int getclockwisenearestnode(uint hash) 66 { 67 int begin = 0; 68 int end = _nodekeys.length - 1; 69 70 if (_nodekeys[end] < hash || _nodekeys[0] > hash) 71 { 72 return 0; 73 } 74 75 while ((end - begin) > 1) 76 { 77 var mid = (end + begin) / 2; 78 if (_nodekeys[mid] >= hash) end = mid; 79 else begin = mid; 80 } 81 82 return end; 83 } 84 } 85 }
上一篇: jQuery中DOM操作实例分析