一致性哈希(Consistent Hashing)原理

Posted java初学者的日常

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了一致性哈希(Consistent Hashing)原理相关的知识,希望对你有一定的参考价值。

看一些分布式相关的技术文章或书籍时,经常看到一个词,一致性哈希。对于这个技术一直似懂非懂。今天花了半天的时间好好研究了它的原理和实现,发现一点都不复杂。于是写篇文章分享一下。

下面,我们就从基本的Hash算法说起。

负载均衡与Hash算法

分布式系统中(如:web存储),当服务增长到一定规模时,惯常的做法是集群化,引入负载均衡,这样做的好处是:1. 高可用。2. 解耦。从外部看,透明化了集群的内部细节(外部都通过负载均衡服务器通信,然后由负载均衡服务器分发请求)。

假设一个简单的场景:有4个cache服务器(后简称cache)组成的集群,当一个对象object传入集群时,这个对象应该存储在哪一个cache里呢?一种简单的方法是使用映射公式:

 
   
   
 
  1. Hash(object) % 4

这个算法就可以保证任何object都会尽可能随机落在其中一个cache中。一切运行正常。

然后考虑以下情况:

  • 由于流量增大,需要增加一台cache,共5个cache。这时,映射公式就变成Hash(object) % 5。

  • 有一个cache服务器down掉,变成3个cache。这时,映射公式就变成Hash(object) % 3。

可见,无论新增还是减少节点,都会改变映射公式,而由于映射公式改变,几乎所有的object都会被映射到新的cache中,这意味着一时间所有的缓存全部失效。 大量的数据请求落在app层甚至是db层上,这对服务器的影响当然是灾难性的。

这时,我们就需要新的算法。

一致性Hash

一致性hash的出现就是为了解决这个问题:当节点数量改变时,能够使失效的缓存数量尽可能少。

一致性Hash的基本思想就是分两步走:

  1. 把object求hash(这一步和之前相同);

  2. 把cache也求hash,然后把object和cache的hash值放入一个hash空间,通过一定的规则决定每个object落在哪一个cache中。

下面,会逐步说明它的实现。

成环

考虑通常的Hash算法都是将value映射到一个32位的key值,也即是0 ~ 2 ^ 32 - 1次方的数值空间;我们可以将这个空间想象成一个首(0)尾(2 ^ 32 - 1)相接的圆环,如下图所示。

将object映射到环上

比如有4个需要存储的object,先求出它们的hash值,根据hash值映射到环上。如图:

一致性哈希(Consistent Hashing)原理

将cache映射到环上

假设有三台cache服务器:cache A,cache B,cache C。用同样的方法求出hash值(可根据机器的IP或名字作为key求hash,只要保证hash值足够分散),映射到同一个环上。如图:

一致性哈希(Consistent Hashing)原理

将object按照规则配对cache

这里的规则很简单:让object在环上顺时针转动,遇到的第一个cache即为对应的cache服务器。

根据上面的方法,对object1将被存储到cache A上;object2和object3对应到cache C;object4对应到cache B。

解决问题 新的一致性hash算法成功解决了cache服务器增减时key的失效问题。现在,无论增减cache,只有部分key失效。

考虑增加新的缓存服务器的情况:

解决问题

新的一致性hash算法成功解决了cache服务器增减时key的失效问题。现在,无论增减cache,只有部分key失效。

考虑增加新的缓存服务器的情况:

一致性哈希(Consistent Hashing)原理

如图,新增了cache D节点,假设cache D在环上落在C和A之间,那么失效的只有部分落在cache A的key(现在落在cache D了);也就是部分的红色圆弧,变成橙色圆弧(D)。

而cache B和cache C的key都没有失效。

可见,在新增节点时,这已经是最少失效了。

在移除节点时,情况也是和新增节点类似的。

虚拟节点

hash算法的一个考量指标是平衡性。在本例中,我们希望每一个object落在任意一个cache的机会都尽可能接近。

从图上很容易直观的看到,对于一个object来说,它落在环上的任何位置的概率都是一样的,那么落在一个cache的概率就和圆弧的长度成正比。于是,我们希望每个cache所占的圆弧长度更接近。

其实,理论上,只要cache足够多,每个cache在圆环上就会足够分散。但是在真实场景里,cache服务器只会有很少,所以,引入了“虚拟节点”(virtual node)的概念:

以仅部署cache A和cache C的情况为例,引入虚拟节点,cache A1, cache A2代表了cache A;cache C1,cache C2代表了cache C。

此时,对象到“虚拟节点”的映射关系为:

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

因此对象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。

虚拟节点技术实则是做了两次matching,如图:

Java 实现

是几个关键的抽象:

  • Entry,要放入cache服务器中的对象。

  • Server,真正存放缓存对象的cache服务器。

  • Cluster,服务器集群,维护一组Servers,相当于这一组servers的代理,接受put,get请求,通过一定算法(普通取余或一致性哈希)把请求转发到特定的server。

首先来看看不使用一致性哈希算法的情况,会出现什么问题:

原始版本

Entry:

 
   
   
 
  1. public class Entry {

  2.    private String key;

  3.    Entry(String key) {

  4.        this.key = key;

  5.    }

  6.    @Override

  7.    public String toString() {

  8.        return key;

  9.    }

  10. }

Server:

 
   
   
 
  1. public class Server {

  2.    private String name;

  3.    private Map<Entry, Entry> entries;

  4.    Server(String name) {

  5.        this.name = name;

  6.        entries = new HashMap<Entry, Entry>();

  7.    }

  8.    public void put(Entry e) {

  9.        entries.put(e, e);

  10.    }

  11.    public Entry get(Entry e) {

  12.        return entries.get(e);

  13.    }

  14. }

Cluster:

 
   
   
 
  1. public class Cluster {

  2.    private static final int SERVER_SIZE_MAX = 1024;

  3.    private Server[] servers = new Server[SERVER_SIZE_MAX];

  4.    private int size = 0;

  5.    public void put(Entry e) {

  6.        int index = e.hashCode() % size;

  7.        servers[index].put(e);

  8.    }

  9.    public Entry get(Entry e) {

  10.        int index = e.hashCode() % size;

  11.        return servers[index].get(e);

  12.    }

  13.    public boolean addServer(Server s) {

  14.        if (size >= SERVER_SIZE_MAX)

  15.            return false;

  16.        servers[size++] = s;

  17.        return true;

  18.    }

  19. }

Entry,Server,Cluster是对这三个抽象的实现,看代码应该是非常清晰的。

其中,Cluster类是实现路由算法的类,也就是根据entry的key决定entry放入哪个server中,在最简单的实现里,直接用取余的方法:e.hashCode() % size。

然后看看测试:

 
   
   
 
  1. public class Main {

  2.    public static void main(String[] args) {

  3.        Cluster c = createCluster();

  4.        Entry[] entries = {

  5.                    new Entry("i"),

  6.                    new Entry("have"),

  7.                    new Entry("a"),

  8.                    new Entry("pen"),

  9.                    new Entry("an"),

  10.                    new Entry("apple"),

  11.                    new Entry("applepen"),

  12.                    new Entry("pineapple"),

  13.                    new Entry("pineapplepen"),

  14.                    new Entry("PPAP")

  15.                };

  16.        for (Entry e : entries)

  17.            c.put(e);

  18.        c.addServer(new Server("192.168.0.6"));

  19.        findEntries(c, entries);

  20.    }

  21.    private static Cluster createCluster() {

  22.        Cluster c = new Cluster();

  23.        c.addServer(new Server("192.168.0.0"));

  24.        c.addServer(new Server("192.168.0.1"));

  25.        c.addServer(new Server("192.168.0.2"));

  26.        c.addServer(new Server("192.168.0.3"));

  27.        c.addServer(new Server("192.168.0.4"));

  28.        c.addServer(new Server("192.168.0.5"));

  29.        return c;

  30.    }

  31.    private static void findEntries(Cluster c, Entry[] entries) {

  32.        for (Entry e : entries) {

  33.            if (e == c.get(e)) {

  34.                System.out.println("重新找到了entry:" + e);

  35.            } else {

  36.                System.out.println("entry已失效:" + e);

  37.            }

  38.        }

  39.    }

  40. }

测试里,先构建一个6个服务器的集群,然后把一组entries逐个放入集群,然后向集群里添加一个新的server,看有多少个entry失效了,结果:

 
   
   
 
  1. 重新找到了entry: i

  2. entry已失效: have

  3. entry已失效: a

  4. entry已失效: pen

  5. entry已失效: an

  6. entry已失效: apple

  7. entry已失效: applepen

  8. entry已失效: pineapple

  9. entry已失效: pineapplepen

  10. 重新找到了entry: PPAP

可见,在普通取余路由算法的实现,几乎所有的entry都会被映射到新的server中,大部分缓存都失效了。

实现consistent-hashing

首先,为了servers和entries在hash环上足够分散,重写它们的hashCode方法,简单起见,复用String的hashCode算法:

 
   
   
 
  1. public int hashCode() {

  2.    return name.hashCode();

  3. }

然后,就可以选择几个命名的服务器名字,确保它们不会集中在环上的某一段上。

然后,在Cluster中,用SortMap存储servers:

 
   
   
 
  1. public class Cluster {

  2.    private static final int SERVER_SIZE_MAX = 1024;

  3.    private SortedMap<Integer, Server> servers = new TreeMap<Integer, Server>();

  4.    private int size = 0;

  5.    public boolean addServer(Server s) {

  6.        if (size >= SERVER_SIZE_MAX)

  7.            return false;

  8.        servers.put(s.hashCode(), s);

  9.        size++;

  10.        return true;

  11.    }

  12. }

重写Cluster的routeServer方法:

 
   
   
 
  1. public Server routeServer(int hash) {

  2.    if (servers.isEmpty())

  3.        return null;

  4.    if (!servers.containsKey(hash)) {

  5.        SortedMap<Integer, Server> tailMap = servers.tailMap(hash);

  6.        hash = tailMap.isEmpty() ? servers.firstKey() : tailMap.firstKey();

  7.    }

  8.    return servers.get(hash);

  9. }

这里传入的参数hash是entry的hashcode,根据entry的hashCode,向上找一个和它最接近的servers并返回。

再测试一下这个一致性hash的表现:

 
   
   
 
  1. public class Main {

  2.    public static void main(String[] args) {

  3.        Cluster c = createCluster();

  4.        Entry[] entries = {

  5.                    new Entry("i"),

  6.                    new Entry("have"),

  7.                    new Entry("a"),

  8.                    new Entry("pen"),

  9.                    new Entry("an"),

  10.                    new Entry("apple"),

  11.                    new Entry("applepen"),

  12.                    new Entry("pineapple"),

  13.                    new Entry("pineapplepen"),

  14.                    new Entry("PPAP")

  15.                };

  16.        for (Entry e : entries)

  17.            c.put(e);

  18.        c.addServer(new Server("1"));

  19.        findEntries(c, entries);

  20.    }

  21.    private static Cluster createCluster() {

  22.        Cluster c = new Cluster();

  23.        c.addServer(new Server("international"));

  24.        c.addServer(new Server("china"));

  25.        c.addServer(new Server("japan"));

  26.        c.addServer(new Server("Amarica"));

  27.        c.addServer(new Server("samsung"));

  28.        return c;

  29.    }

  30.    private static void findEntries(Cluster c, Entry[] entries) {

  31.        // omitted...

  32.    }

  33. }

结果:

 
   
   
 
  1. 重新找到了entry: i

  2. 重新找到了entry: have

  3. 重新找到了entry: a

  4. 重新找到了entry: pen

  5. 重新找到了entry: an

  6. 重新找到了entry: apple

  7. entry已失效: applepen

  8. 重新找到了entry: pineapple

  9. 重新找到了entry: pineapplepen

  10. 重新找到了entry: PPAP

大部分的缓存都没有失效!至此我们验证了当节点数量改变时,一致性hash能够使失效的缓存数量尽可能少。


以上是关于一致性哈希(Consistent Hashing)原理的主要内容,如果未能解决你的问题,请参考以下文章

一致性哈希算法(consistent hashing)

转(一致性哈希算法(consistent hashing))

转载一致性哈希算法(consistent hashing)

五分钟理解一致性哈希算法(consistent hashing)

一致性哈希(Consistent Hashing)

hash环/consistent hashing一致性哈希算法