一致Hash算法

一致性哈希算法是分布式系统中经常使用的算法。比方,一个分布式的存储系统,要将数据存储到详细的节点上。假设採用普通的hash方法。将数据映射到详细的节点上,如key%N。key是数据的key。N是机器节点数。假设有一个机器增加或退出这个集群,则全部的数据映射都无效了。假设是持久化存储则要做数据迁移,假设是分布式缓存,则其它缓存就失效了。

因此,引入了一致性哈希算法:

把数据用hash函数(如MD5),映射到一个非常大的空间里。如图所看到的。数据的存储时,先得到一个hash值。相应到这个环中的每一个位置,如k1相应到了图中所看到的的位置,然后沿顺时针找到一个机器节点B,将k1存储到B这个节点中。

假设B节点宕机了。则B上的数据就会落到C节点上,例如以下图所看到的:

这样,仅仅会影响C节点,对其它的节点A。D的数据不会造成影响。然而,这又会造成一个“雪崩”的情况。即C节点因为承担了B节点的数据。所以C节点的负载会变高。C节点非常easy也宕机,这样依次下去,这样造成整个集群都挂了。

为此,引入了“虚拟节点”的概念:即把想象在这个环上有非常多“虚拟节点”,数据的存储是沿着环的顺时针方向找一个虚拟节点,每一个虚拟节点都会关联到一个真实节点,例如以下图所使用:

图中的A1、A2、B1、B2、C1、C2、D1、D2都是虚拟节点,机器A负载存储A1、A2的数据,机器B负载存储B1、B2的数据,机器C负载存储C1、C2的数据。因为这些虚拟节点数量非常多。均匀分布,因此不会造成“雪崩”现象。

一致性哈希算法在1997年由麻省理工学院的Karger等人在解决分布式Cache中提出的,设计目标是为了解决因特网中的热点(Hot spot)问题,初衷和CARP十分类似。一致性哈希修正了CARP使用的简单哈希算法带来的问题,使得DHT能够在P2P环境中真正得到应用。

  但如今一致性hash算法在分布式系统中也得到了广泛应用,研究过memcached缓存数据库的人都知道,memcachedserver端本身不提供分布式cache的一致性,而是由client来提供,详细在计算一致性hash时採用例如以下步骤:

  1. 首先求出memcachedserver(节点)的哈希值。并将其配置到0~232的圆(continuum)上。
  2. 然后採用相同的方法求出存储数据的键的哈希值。并映射到相同的圆上。

  3. 然后从数据映射到的位置開始顺时针查找,将数据保存到找到的第一个server上。假设超过232仍然找不到server,就会保存到第一台memcachedserver上。

  从上图的状态中加入一台memcachedserver。余数分布式算法因为保存键的server会发生巨大变化而影响缓存的命中率。但Consistent Hashing中。仅仅有在园(continuum)上添加server的地点逆时针方向的第一台server上的键会受到影响,例如以下图所看到的:

一致性Hash性质

  考虑到分布式系统每一个节点都有可能失效,而且新的节点非常可能动态的添加进来。怎样保证当系统的节点数目发生变化时仍然可以对外提供良好的服务,这是值得考虑的,尤事实上在设计分布式缓存系统时。假设某台server失效,对于整个系统来说假设不採用合适的算法来保证一致性,那么缓存于系统中的全部数据都可能会失效(即因为系统节点数目变少,client在请求某一对象时须要又一次计算其hash值(通常与系统中的节点数目有关)。因为hash值已经改变。所以非常可能找不到保存该对象的server节点)。因此一致性hash就显得至关重要。良好的分布式cahce系统中的一致性hash算法应该满足下面几个方面:

  • 平衡性(Balance)

平衡性是指哈希的结果可以尽可能分布到全部的缓冲中去,这样可以使得全部的缓冲空间都得到利用。非常多哈希算法都可以满足这一条件。

  • 单调性(Monotonicity)

单调性是指假设已经有一些内容通过哈希分派到了对应的缓冲中,又有新的缓冲区增加到系统中,那么哈希的结果应可以保证原有已分配的内容可以被映射到新的缓冲区中去。而不会被映射到旧的缓冲集合中的其它缓冲区。

简单的哈希算法往往不能满足单调性的要求,如最简单的线性哈希:x = (ax + b) mod (P)。在上式中,P表示所有缓冲的大小。不难看出,当缓冲大小发生变化时(从P1到P2),原来所有的哈希结果均会发生变化,从而不满足单调性的要求。哈希结果的变化意味着当缓冲空间发生变化时,所有的映射关系须要在系统内所有更新。而在P2P系统内,缓冲的变化等价于Peer增加或退出系统,这一情况在P2P系统中会频繁发生,因此会带来极大计算和传输负荷。单调性就是要求哈希算法可以应对这样的情况。

  • 分散性(Spread)

在分布式环境中,终端有可能看不到全部的缓冲。而是仅仅能看到当中的一部分。当终端希望通过哈希过程将内容映射到缓冲上时,由于不同终端所见的缓冲范围有可能不同,从而导致哈希的结果不一致,终于的结果是同样的内容被不同的终端映射到不同的缓冲区中。

这样的情况显然是应该避免的。由于它导致同样内容被存储到不同缓冲中去,减少了系统存储的效率。

分散性的定义就是上述情况发生的严重程度。好的哈希算法应可以尽量避免不一致的情况发生。也就是尽量减少分散性。

  • 负载(Load)

负载问题实际上是从还有一个角度看待分散性问题。

既然不同的终端可能将同样的内容映射到不同的缓冲区中。那么对于一个特定的缓冲区而言,也可能被不同的用户映射为不同的内容。与分散性一样,这样的情况也是应当避免的,因此好的哈希算法应可以尽量减少缓冲的负荷。

  • 平滑性(Smoothness)

平滑性是指缓存server的数目平滑改变和缓存对象的平滑改变是一致的。

原理

基本概念

  一致性哈希算法(Consistent Hashing)最早在论文《Consistent
Hashing and Random Trees: Distributed Caching Protocols for Relieving Hot Spots on the World Wide Web
》中被提出。简单来说,一致性哈希将整个哈希值空间组织成一个虚拟的圆环。如如果某哈希函数H的值空间为0-2^32-1(即哈希值是一个32位无符号整形),整个哈希空间环例如以下:

  整个空间按顺时针方向组织。

0和232-1在零点中方向重合。

  下一步将各个server使用Hash进行一个哈希。详细能够选择server的ip或主机名作为keyword进行哈希。这样每台机器就能确定其在哈希环上的位置,这里如果将上文中四台server使用ip地址哈希后在环空间的位置例如以下:

接下来使用例如以下算法定位数据訪问到对应server:将数据key使用同样的函数Hash计算出哈希值,并确定此数据在环上的位置。从此位置沿环顺时针“行走”,第一台遇到的server就是其应该定位到的server。

  比如我们有Object A、Object B、Object C、Object D四个数据对象,经过哈希计算后,在环空间上的位置例如以下:

依据一致性哈希算法。数据A会被定为到Node A上,B被定为到Node B上。C被定为到Node C上,D被定为到Node D上。

以下分析一致性哈希算法的容错性和可扩展性。

现如果Node C不幸宕机。能够看到此时对象A、B、D不会受到影响,唯独C对象被重定位到Node D。一般的。在一致性哈希算法中。如果一台server不可用。则受影响的数据不过此server到其环空间中前一台server(即沿着逆时针方向行走遇到的第一台server)之间数据,其他不会受到影响。

以下考虑第二种情况,假设在系统中添加一台serverNode X,例如以下图所看到的:

此时对象Object A、B、D不受影响,唯独对象C须要重定位到新的Node X 。

一般的,在一致性哈希算法中,假设添加一台server,则受影响的数据不过新server到其环空间中前一台server(即沿着逆时针方向行走遇到的第一台server)之间数据,其他数据也不会受到影响。

综上所述,一致性哈希算法对于节点的增减都仅仅需重定位环空间中的一小部分数据。具有较好的容错性和可扩展性。

另外,一致性哈希算法在服务节点太少时。easy由于节点分部不均匀而造成数据倾斜问题。比如系统中仅仅有两台server。其环分布例如以下,

此时必定造成大量数据集中到Node A上,而仅仅有极少量会定位到Node B上。

为了解决这样的数据倾斜问题,一致性哈希算法引入了虚拟节点机制,即对每个服务节点计算多个哈希,每个计算结果位置都放置一个此服务节点,称为虚拟节点。

详细做法能够在serverip或主机名的后面添加编号来实现。比如上面的情况。能够为每台server计算三个虚拟节点。于是能够分别计算 “Node A#1”、“Node A#2”、“Node A#3”、“Node B#1”、“Node B#2”、“Node B#3”的哈希值,于是形成六个虚拟节点:

同一时候数据定位算法不变,仅仅是多了一步虚拟节点到实际节点的映射。比如定位到“Node A#1”、“Node A#2”、“Node A#3”三个虚拟节点的数据均定位到Node A上。这样就攻克了服务节点少时数据倾斜的问题。在实际应用中,通常将虚拟节点数设置为32甚至更大,因此即使非常少的服务节点也能做到相对均匀的数据分布。

文章来源:http://www.cnblogs.com/haippy/archive/2011/12/10/2282943.html 。http://www.blogjava.net/hello-yun/archive/2012/10/10/389289.html

时间: 2024-10-29 00:06:21

一致Hash算法的相关文章

一致性hash算法 - consistent hashing

1.背景 我们都知道memcached服务器是不提供分布式功能的,memcached的分布式完全是由客户端来实现的.在部署memcached服务器集群时,我们需要把缓存请求尽可能分散到不同的缓存服务器中,这样可以使得所有的缓存空间都得到利用,而且可以降低单独一台缓存服务器的压力.     最简单的一种实现是,缓存请求时通过计算key的哈希值,取模后映射到不同的memcahed服务器.这种简单的实现在不考虑集群机器动态变化的情况下也是比较有效的一种方案,但是,在分布式集群系统中,简单取模的哈希算法

java8 hash算法

一.hash算法 哈希算法将任意长度的二进制值映射为较短的固定长度的二进制值,这个小的二进制值称为哈希值.哈希值是一段数据唯一且极其紧凑的数值表示形式.如果散列一段明文而且哪怕只更改该段落的一个字母,随后的哈希都将产生不同的值.要找到散列为同一个值的两个不同的输入,在计算上是不可能的,所以数据的哈希值可以检验数据的完整性.一般用于快速查找和加密算法. 二.jdk的hash算法实现 (1)Interger private final int value; @Override public int

一致性hash算法

一致性哈希算法在1997年由麻省理工学院提出的一种分布式哈希(DHT)实现算法,设计目标是为了解决因特网中的热点(Hot spot)问题,初衷和CARP十分类似.一致性哈希修正了CARP使用的简单哈希算法带来的问题,使得分布式哈希(DHT)可以在P2P环境中真正得到应用. 一致性hash算法提出了在动态变化的Cache环境中,判定哈希算法好坏的四个定义: 1.平衡性(Balance):平衡性是指哈希的结果能够尽可能分布到所有的缓冲中去,这样可以使得所有的缓冲空间都得到利用.很多哈希算法都能够满足

分布式memcached学习(四)—— 一致性hash算法原理

    分布式一致性hash算法简介 当你看到"分布式一致性hash算法"这个词时,第一时间可能会问,什么是分布式,什么是一致性,hash又是什么.在分析分布式一致性hash算法原理之前,我们先来了解一下这几个概念. 分布式 分布式(distributed)是指在多台不同的服务器中部署不同的服务模块,通过远程调用协同工作,对外提供服务. 以一个航班订票系统为例,这个航班订票系统有航班预定.网上值机.旅客信息管理.订单管理.运价计算等服务模块.现在要以集中式(集群,cluster)和分布

分布式算法(一致性Hash算法)

一.分布式算法 在做服务器负载均衡时候可供选择的负载均衡的算法有很多,包括: 轮循算法(Round Robin).哈希算法(HASH).最少连接算法(Least Connection).响应速度算法(Response Time).加权法(Weighted )等.其中哈希算法是最为常用的算法. 典型的应用场景是: 有N台服务器提供缓存服务,需要对服务器进行负载均衡,将请求平均分发到每台服务器上,每台机器负责1/N的服务. 常用的算法是对hash结果取余数 (hash() mod N ):对机器编号

对一致性Hash算法,Java代码实现的深入研究

一致性Hash算法 关于一致性Hash算法,在我之前的博文中已经有多次提到了,MemCache超详细解读一文中"一致性Hash算法"部分,对于为什么要使用一致性Hash算法和一致性Hash算法的算法原理做了详细的解读. 算法的具体原理这里再次贴上: 先构造一个长度为232的整数环(这个环被称为一致性Hash环),根据节点名称的Hash值(其分布为[0, 232-1])将服务器节点放置在这个Hash环上,然后根据数据的Key值计算得到其Hash值(其分布也为[0, 232-1]),接着在

memcache的一致性hash算法使用

一.概述 1.我们的memcache客户端(这里我看的spymemcache的源码),使用了一致性hash算法ketama进行数据存储节点的选择.与常规的hash算法思路不同,只是对我们要存储数据的key进行hash计算,分配到不同节点存储.一致性hash算法是对我们要存储数据的服务器进行hash计算,进而确认每个key的存储位置.  2.常规hash算法的应用以及其弊端 最常规的方式莫过于hash取模的方式.比如集群中可用机器适量为N,那么key值为K的的数据请求很简单的应该路由到hash(K

常见hash算法的原理(转)

常见hash算法的原理 散列表,它是基于快速存取的角度设计的,也是一种典型的“空间换时间”的做法.顾名思义,该数据结构可以理解为一个线性表,但是其中的元素不是紧密排列的,而是可能存在空隙. 散列表(Hash table,也叫哈希表),是根据关键码值(Key value)而直接进行访问的数据结构.也就是说,它通过把关键码值映射到表中一个位置来访问记录,以加快查找的速度.这个映射函数叫做散列函数,存放记录的数组叫做散列表. 比如我们存储70个元素,但我们可能为这70个元素申请了100个元素的空间.7

Java密码学原型算法实现——第一部分:标准Hash算法

题注 从博客中看出来我是个比较钟爱Java的应用密码学研究者.虽然C在密码学中有不可替代的优势:速度快,但是,Java的可移植性使得开发人员可以很快地将代码移植到各个平台,这比C实现要方便的多.尤其是Android平台的出现,Java的应用也就越来越广.因此,我本人在密码学研究过程中实际上也在逐渐使用和封装一些知名的Java密码学库,主要是方便自己使用. Java JDK实际上自带了密码学库,支持几乎所有通用密码学原型的实现.然而,自带密码库有几个缺点:第一,由于版权问题,其并不支持全部的密码学

【数据结构与算法】一致性Hash算法及Java实践

追求极致才能突破极限 一.案例背景 1.1 系统简介 首先看一下系统架构,方便解释: 页面给用户展示的功能就是,可以查看任何一台机器的某些属性(以下简称系统信息). 消息流程是,页面发起请求查看指定机器的系统信息到后台,后台可以查询到有哪些server在提供服务,根据负载均衡算法(简单的轮询)指定由哪个server进行查询,并将消息发送到Kafka,然后所有的server消费Kafka的信息,当发现消费的信息要求自己进行查询时,就连接指定的machine进行查询,并将结果返回回去. Server