1 基本場(chǎng)景

比如你有 N 個(gè) cache 服務(wù)器（后面簡(jiǎn)稱 cache ），那么如何將一個(gè)對(duì)象 object 映射到 N 個(gè) cache 上呢，你很可能會(huì)采用類似下面的通用方法計(jì)算 object 的 hash 值，然后均勻的映射到到 N 個(gè) cache ；

hash(object)%N

一切都運(yùn)行正常，再考慮如下的兩種情況；

1 一個(gè) cache 服務(wù)器 m down 掉了（在實(shí)際應(yīng)用中必須要考慮這種情況），這樣所有映射到 cache m 的對(duì)象都會(huì)失效，怎么辦，需要把 cache m 從 cache 中移除，這時(shí)候 cache 是 N-1 臺(tái)，映射公式變成了 hash(object)%(N-1) ；

2 由于訪問(wèn)加重，需要添加 cache ，這時(shí)候 cache 是 N+1 臺(tái)，映射公式變成了 hash(object)%(N+1) ；

1 和 2 意味著什么？這意味著突然之間幾乎所有的 cache 都失效了。對(duì)于服務(wù)器而言，這是一場(chǎng)災(zāi)難，洪水般的訪問(wèn)都會(huì)直接沖向后臺(tái)服務(wù)器；

再來(lái)考慮第三個(gè)問(wèn)題，由于硬件能力越來(lái)越強(qiáng)，你可能想讓后面添加的節(jié)點(diǎn)多做點(diǎn)活，顯然上面的 hash 算法也做不到。

有什么方法可以改變這個(gè)狀況呢，這就是 consistent hashing...

2 hash 算法和單調(diào)性

Hash 算法的一個(gè)衡量指標(biāo)是單調(diào)性（ Monotonicity ），定義如下：

單調(diào)性是指如果已經(jīng)有一些內(nèi)容通過(guò)哈希分派到了相應(yīng)的緩沖中，又有新的緩沖加入到系統(tǒng)中。哈希的結(jié)果應(yīng)能夠保證原有已分配的內(nèi)容可以被映射到新的緩沖中去，而不會(huì)被映射到舊的緩沖集合中的其他緩沖區(qū)。

容易看到，上面的簡(jiǎn)單 hash 算法 hash(object)%N 難以滿足單調(diào)性要求。

3 consistent hashing 算法的原理

consistent hashing 是一種 hash 算法，簡(jiǎn)單的說(shuō)，在移除 / 添加一個(gè) cache 時(shí)，它能夠盡可能小的改變已存在 key 映射關(guān)系，盡可能的滿足單調(diào)性的要求。

下面就來(lái)按照 5 個(gè)步驟簡(jiǎn)單講講 consistent hashing 算法的基本原理。

3.1 環(huán)形hash 空間

考慮通常的 hash 算法都是將 value 映射到一個(gè) 32 為的 key 值，也即是 0~2^32-1 次方的數(shù)值空間；我們可以將這個(gè)空間想象成一個(gè)首（ 0 ）尾（ 2^32-1 ）相接的圓環(huán)，如下面圖 1 所示的那樣。

圖 1 環(huán)形 hash 空間

3.2 把對(duì)象映射到hash 空間

接下來(lái)考慮 4 個(gè)對(duì)象 object1~object4 ，通過(guò) hash 函數(shù)計(jì)算出的 hash 值 key 在環(huán)上的分布如圖 2 所示。

hash(object1) = key1;

… …

hash(object4) = key4;

圖 2 4 個(gè)對(duì)象的 key 值分布

3.3 把cache 映射到hash 空間

Consistent hashing 的基本思想就是將對(duì)象和 cache 都映射到同一個(gè) hash 數(shù)值空間中，并且使用相同的 hash 算法。

假設(shè)當(dāng)前有 A,B 和 C 共 3 臺(tái) cache ，那么其映射結(jié)果將如圖 3 所示，他們?cè)?hash 空間中，以對(duì)應(yīng)的 hash 值排列。

hash(cache A) = key A;

… …

hash(cache C) = key C;

圖 3 cache 和對(duì)象的 key 值分布

說(shuō)到這里，順便提一下 cache 的 hash 計(jì)算，一般的方法可以使用 cache 機(jī)器的 IP 地址或者機(jī)器名作為 hash 輸入。

3.4 把對(duì)象映射到cache

現(xiàn)在 cache 和對(duì)象都已經(jīng)通過(guò)同一個(gè) hash 算法映射到 hash 數(shù)值空間中了，接下來(lái)要考慮的就是如何將對(duì)象映射到 cache 上面了。

在這個(gè)環(huán)形空間中，如果沿著順時(shí)針?lè)较驈膶?duì)象的 key 值出發(fā)，直到遇見(jiàn)一個(gè) cache ，那么就將該對(duì)象存儲(chǔ)在這個(gè) cache 上，因?yàn)閷?duì)象和 cache 的 hash 值是固定的，因此這個(gè) cache 必然是唯一和確定的。這樣不就找到了對(duì)象和 cache 的映射方法了嗎？！

依然繼續(xù)上面的例子（參見(jiàn)圖 3 ），那么根據(jù)上面的方法，對(duì)象 object1 將被存儲(chǔ)到 cache A 上； object2 和 object3 對(duì)應(yīng)到 cache C ； object4 對(duì)應(yīng)到 cache B ；

3.5 考察cache 的變動(dòng)

前面講過(guò)，通過(guò) hash 然后求余的方法帶來(lái)的最大問(wèn)題就在于不能滿足單調(diào)性，當(dāng) cache 有所變動(dòng)時(shí)， cache 會(huì)失效，進(jìn)而對(duì)后臺(tái)服務(wù)器造成巨大的沖擊，現(xiàn)在就來(lái)分析分析 consistent hashing 算法。

3.5.1 移除 cache

考慮假設(shè) cache B 掛掉了，根據(jù)上面講到的映射方法，這時(shí)受影響的將僅是那些沿 cache B 逆時(shí)針遍歷直到下一個(gè) cache （ cache C ）之間的對(duì)象，也即是本來(lái)映射到 cache B 上的那些對(duì)象。

因此這里僅需要變動(dòng)對(duì)象 object4 ，將其重新映射到 cache C 上即可；參見(jiàn)圖 4 。

圖 4 Cache B 被移除后的 cache 映射

3.5.2 添加 cache

再考慮添加一臺(tái)新的 cache D 的情況，假設(shè)在這個(gè)環(huán)形 hash 空間中， cache D 被映射在對(duì)象 object2 和 object3 之間。這時(shí)受影響的將僅是那些沿 cache D 逆時(shí)針遍歷直到下一個(gè) cache （ cache B ）之間的對(duì)象（它們是也本來(lái)映射到 cache C 上對(duì)象的一部分），將這些對(duì)象重新映射到 cache D 上即可。

因此這里僅需要變動(dòng)對(duì)象 object2 ，將其重新映射到 cache D 上；參見(jiàn)圖 5 。

圖 5 添加 cache D 后的映射關(guān)系

4 虛擬節(jié)點(diǎn)

考量 Hash 算法的另一個(gè)指標(biāo)是平衡性 (Balance) ，定義如下：

平衡性

平衡性是指哈希的結(jié)果能夠盡可能分布到所有的緩沖中去，這樣可以使得所有的緩沖空間都得到利用。

hash 算法并不是保證絕對(duì)的平衡，如果 cache 較少的話，對(duì)象并不能被均勻的映射到 cache 上，比如在上面的例子中，僅部署 cache A 和 cache C 的情況下，在 4 個(gè)對(duì)象中， cache A 僅存儲(chǔ)了 object1 ，而 cache C 則存儲(chǔ)了 object2 、 object3 和 object4 ；分布是很不均衡的。

為了解決這種情況， consistent hashing 引入了“虛擬節(jié)點(diǎn)”的概念，它可以如下定義：

“虛擬節(jié)點(diǎn)”（ virtual node ）是實(shí)際節(jié)點(diǎn)在 hash 空間的復(fù)制品（ replica ），一實(shí)際個(gè)節(jié)點(diǎn)對(duì)應(yīng)了若干個(gè)“虛擬節(jié)點(diǎn)”，這個(gè)對(duì)應(yīng)個(gè)數(shù)也成為“復(fù)制個(gè)數(shù)”，“虛擬節(jié)點(diǎn)”在 hash 空間中以 hash 值排列。

仍以僅部署 cache A 和 cache C 的情況為例，在圖 4 中我們已經(jīng)看到， cache 分布并不均勻。現(xiàn)在我們引入虛擬節(jié)點(diǎn)，并設(shè)置“復(fù)制個(gè)數(shù)”為 2 ，這就意味著一共會(huì)存在 4 個(gè)“虛擬節(jié)點(diǎn)”， cache A1, cache A2 代表了 cache A ； cache C1, cache C2 代表了 cache C ；假設(shè)一種比較理想的情況，參見(jiàn)圖 6 。

圖 6 引入“虛擬節(jié)點(diǎn)”后的映射關(guān)系

此時(shí)，對(duì)象到“虛擬節(jié)點(diǎn)”的映射關(guān)系為：

objec1->cache A2 ； objec2->cache A1 ； objec3->cache C1 ； objec4->cache C2 ；

因此對(duì)象 object1 和 object2 都被映射到了 cache A 上，而 object3 和 object4 映射到了 cache C 上；平衡性有了很大提高。

引入“虛擬節(jié)點(diǎn)”后，映射關(guān)系就從 { 對(duì)象 -> 節(jié)點(diǎn) } 轉(zhuǎn)換到了 { 對(duì)象 -> 虛擬節(jié)點(diǎn) } 。查詢物體所在 cache 時(shí)的映射關(guān)系如圖 7 所示。

圖 7 查詢對(duì)象所在 cache

“虛擬節(jié)點(diǎn)”的 hash 計(jì)算可以采用對(duì)應(yīng)節(jié)點(diǎn)的 IP 地址加數(shù)字后綴的方式。例如假設(shè) cache A 的 IP 地址為 202.168.14.241 。

引入“虛擬節(jié)點(diǎn)”前，計(jì)算 cache A 的 hash 值：

Hash(“202.168.14.241”);

引入“虛擬節(jié)點(diǎn)”后，計(jì)算“虛擬節(jié)”點(diǎn) cache A1 和 cache A2 的 hash 值：

Hash(“202.168.14.241#1”); // cache A1

Hash(“202.168.14.241#2”); // cache A2

最新評(píng)論