• 一致性hash算法原理及实践


    大家好,我是蓝胖子,想起之前学算法的时候,常常只知表面,不得精髓,这个算法到底有哪些应用场景,如何应用在工作中,后来随着工作的深入,一些不懂的问题才慢慢被抽丝剥茧分解出来。

    今天我们就来看看工作和面试中经常被点名的算法,一致性hash算法,并且我会介绍它在实际的应用场景并用代码实现出来。

    本节的源码已经上传到github

    https://github.com/HobbyBear/codelearning/tree/master/consistenthash
    

    原理介绍#

    首先我们来看看一致性hash的定义和算法思想,一致性hash算法有别于传统hash算法,例如我们有3个节点,现在要考虑某个key值落到哪个节点上,传统hash算法是将key通过hash函数后通过节点数量进行取模运算得到需要落到的节点序号。

    nodeIdx := hashFunc(key)%len(nodes)
    

    传统hash算法在节点数量变化时基本上会导致大量旧数据经过hash得到的节点序号失效, 而一致性hash算法则能够保证只有少部分旧数据需要重新改变需要落到的节点,其余数据依然能够保证节点扩容后,hash计算得到的节点序号和之前一致。

    一致性hash算法假设了一个很大的数字空间,比如2的32次方, 节点信息会被映射到这个数字空间的某个数字上,当我们需要看某个key落到哪个节点上时,也需要将key进行hash计算得到某个数字,接着就是找到在这个超大数字空间内,第一个大于该数字的节点。如果没有大于该数字的节点,则将第一个节点作为key需要落到的节点。

    这样就等效于整个数字空间构成了一个环形结构,寻找key需要落到的节点上时,则是从key开始顺时针寻找第一个节点。

    用下面的示意图来表示这个过程会更好理解

    image.png

    我们假设有3个节点A1,B1,C1, 这三个节点的信息(比如主机名,ip等信息)经过hash运算后得到了3个数字,A1对应10000,B1对应12000,C1 对应30000,现在需要看某个key需要落到哪个节点上,就应该这样来看。

    注意这里的节点我是拿服务器来举例,实际上,节点也可以是表,某个key可以看出是表中的某一行,而一致性性hash算法的目的则是看某一行数据应该落到哪个表中,总之你可以发挥你的想象将算法中的事物进行代替抽象,算法的思想终究是不变的。

    当某个key经过hash计算后,得到数字9000,那么在顺时针寻找到第一个大于它的节点则是节点A1,如果key经过hash计算后,得到数字11000,那么寻找到的第一个大于它的节点则是节点B1。 注意一种特殊情况,如果key经过hash计算得到的数字是40000,那么此时没有任何一个节点是大于这个数字的,这种情况,正如上图所示,一致性hash算法的数组空间是环形结构,这样key会落到第一个节点A1上。

    这个只是最初版本的一致性hash,它会在节点数量较少时,出现分配数据不均匀的情况,比如可能会出现下面的场景

    image.png

    所有的节点都偏向了一侧,这样将会有大量数据落到A1 节点,造成数据分配不均匀。

    所以一致性hash算法的改进版本提出虚拟节点的概念,通过引入节点的副本来让整个hash环上的节点数量多起来。

    image.png

    这里假设引入的副本是一个,那么参与分配的key的节点在hash环上则是6个,6个节点会让对hash环的分配更加均匀,注意虚拟节点在实际环境中并不存在,比如这里虚拟节点A2和实际的节点A1指向的其实都是同一个实际环境中的节点。

    应用场景#

    在了解了一致性hash算法的原理后,我们再来看看它的一些适用场景,这样能够明白算法的目的,不至于纸上谈兵。

    负载均衡#

    首先来看下第一种应用场景,在负载均衡中的应用,拿memcache举例,memcache的分布式架构其实是依赖客户端来实现的,客户端将缓存key通过一致性hash算法计算需要缓存到哪台后端服务器上。

    而采用一致性hash的好处则是在扩缩容时,不会导致大面积的缓存失效。

    image.png
    如上图所示,现在要将D1节点下掉,由于一致性hash算法路由节点是顺时针的,那么只会影响到D1和A1之间的数据,这部分数据后续需要在B1节点上进行读取,而其他节点上的数据则不会影响。

    其实,从这里应该能够看出,一致性hash算法在负载均衡中一个极大的好处就是,对于有状态的服务,能够做到扩缩容节点时,影响面最小。

    分库分表#

    再来看看在分库分表中的应用,如果分表时采用传统hash算法,当还想扩容表时,不得不面对对所有分表数据进行重新hash,重新写入,这无论是对于磁盘io还是cpu都有极大的压力,我们应该在新增分表时尽量迁移少量的数据,减少影响面,这不正是一致性hash算法的功能吗。

    image.png
    如上图所示,现在新增了分表D1,那么会影响到之前D1到A1的之前的数据,这部分数据之前是存到E1这张表上的,现在要迁移到D1表,所以你可以看到新增一个分表只会设计两张表部分数据的迁移,相比传统hash的全量迁移,优势不言而喻。

    代码实现#

    现在我们来看下如何实现下这个算法。

    我们需要将节点信息以及用户key信息映射成一个数字,这里要用到hash函数,hash函数有很多,我们直接用一个,crc32的hash方式,这样返回的数字刚好在2的32次方以内。

    func ChecksumIEEE(data []byte) uint32 
    

    同时我们需要一个映射结构存储节点在环上的hash key与节点信息,还需要一个有序列表存储hash key,以便于查询用户key对应的节点hash key是哪一个。

    这里的代码比较简单,短短20多行即可。

    package main  
      
    import (  
       "fmt"  
       "hash/crc32"  
        "sort")  
      
    func main() {  
       ch := NewConsistentHash(3)  
       ch.AddNodes("node1")  
       ch.AddNodes("node2")  
       ch.AddNodes("node3")  
       fmt.Println(ch.GetNode("lanpangzi"))  
    }  
      
    type ConsistentHash struct {  
       nodes      map[uint32]string  
       keys       []uint32  
       replicates int  
    }  
      
    func NewConsistentHash(replicate int) *ConsistentHash {  
       return &ConsistentHash{  
          nodes:      make(map[uint32]string),  
          keys:       make([]uint32, 0),  
          replicates: replicate,  
       }  
    }  
    
    func (c *ConsistentHash) AddNodes(node string) {  
       for i := 0; i <= c.replicates; i++ {  
          nodename := fmt.Sprintf("%s#%d", node, i)  
          hashKey := crc32.ChecksumIEEE([]byte(nodename))  
          c.nodes[hashKey] = nodename  
          c.keys = append(c.keys, hashKey)  
       }  
       sort.Slice(c.keys, func(i, j int) bool {  
          return c.keys[i] < c.keys[j]  
       })  
    }  
    
    func (c *ConsistentHash) GetNode(key string) string {  
       hashKey := crc32.ChecksumIEEE([]byte(key))  
       nodekeyIndex := sort.Search(len(c.keys), func(i int) bool {  
          return c.keys[i] >= hashKey  
       })  
       if nodekeyIndex == len(c.keys) {  
          nodekeyIndex = 0  
       }  
       return c.nodes[c.keys[nodekeyIndex]]  
    }
    

    我们搞定了一致性hash算法,代码实现并不难,关键是要搞懂算法的原理以及作用,这样才能灵活运用。

  • 相关阅读:
    信息学奥赛初赛天天练-89-CSP-S2023基础题1-linux常用命令、完全平方数、稀疏图、队列、散列表、二叉树、哈夫曼树
    Maven Helper 安装使用
    Python-tracemalloc-跟踪内存分配
    linux小技巧-如何修改IP(四种方法)
    单片机硬件内部结构
    【LeetCode刷题(数据结构与算法)】:上下翻转二叉树
    【GET-4】
    Sharding-Jdbc分库分表集成Mybatis-Plus+多数据源管理
    手把手带你使用JWT实现单点登录
    如何判断一个点在多边形内
  • 原文地址:https://www.cnblogs.com/hobbybear/p/17495989.html