分布式缓存一致性hash算法理解

Posted 2020-10-18 lonecloud

今天阅读了一下大型网络技术架构这本苏中的分布式缓存一致性hash算法这一节，针对大型分布式系统来说，缓存在该系统中必不可少，分布式集群环境中，会出现添加缓存节点的需求，这样需要保障缓存服务器中对缓存的命中率，就有很大的要求了：

　　采用普通方法，将key值进行取hash后对分布式缓存机器数目进行取余，以集群3台分布式缓存为例子：

　　　　对于数据进行取hash值然后对3其进行取余，余数为0则进入node 0,余数位1则进入node1,余数位2则进入node2.

　　　　如果增加一个节点则对4进行取余，则会将node0中的部分，node1中的部分，node2中的部分分割到node3中，则出现了命中率为75%

　　　　如果增加2个节点的话则对5进行取余，则只有3/5的机器被命中

　　普通方法的设计会导致当你的节点添加的数目越多，导致你的命中率越低导致对数据库的操作压力就越大

　　

　　采用一致性Hash算法:

　　　　构造一个0~2^32的整数环，然后将节点的名称比如说node0对其进行取hash值将其分布在该店上，

然后将key值取hash值后进行比较：

举例：node0的hash值为432323232；node1 hash值为879798098,则如果key1的hash值为559798098，则其大于node0的hashi值，则顺时针旋转，找到了node1则将其存放在node1中的缓存中。

扩容后，将三个变成4个

在node2和node0中插入一个node3,则导致node2到node1中中原先存放在node1中的数据分成两半，node2-node3部分存放在node3中，node3和node1的存放在node1中，则可以看出node0-node2以及node0-node1中这段没有改变。则也是75%但是还有问题就是node2和node0的负载数是node2的一倍，所以还是得出现解决办法

　　引用虚拟的方式：将一个物理分布式缓存服务器分层n个虚拟机，分布在这个圆环周围，由于hash散列的不规则性，他会分布于不同的区域，见下图，如果再次插入新服务器之后，他会在器分布的虚拟机器上不规则的分布于各个点中，则会比较均匀的分布在各个环中，这样影响的可以将上面的问题解决了。

　　

根据该书说明，在实践中，一台物理服务器虚拟成150个虚拟服务器节点合适。