一致性哈希算法与Java实现

一致性哈希算法是分布式系统中常用的算法。比如,一个分布式的存储系统,要将数据存储到具体的节点上,如果采用普通的hash方法,将数据映射到具体的节点上,如key%N,key是数据的key,N是机器节点数,如果有一个机器加入或退出这个集群,则所有的数据映射都无效了,如果是持久化存储则要做数据迁移,如果是分布式缓存,则其他缓存就失效了。

因此,引入了一致性哈希算法:

 

把数据用hash函数(如MD5),映射到一个很大的空间里,如图所示。数据的存储时,先得到一个hash值,对应到这个环中的每个位置,如k1对应到了图中所示的位置,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。

如果B节点宕机了,则B上的数据就会落到C节点上,如下图所示:

 

这样,只会影响C节点,对其他的节点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节点由于承担了B节点的数据,所以C节点的负载会变高,C节点很容易也宕机,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很多“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,每个虚拟节点都会关联到一个真实节点,如下图所使用:

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。由于这些虚拟节点数量很多,均匀分布,因此不会造成“雪崩”现象。

 

Java实现:

[java]  view plain copy print ?
  1. public class Shard<S> { // S类封装了机器节点的信息 ,如name、password、ip、port等
  2.     private TreeMap<Long, S> nodes; // 虚拟节点
  3.     private List<S> shards; // 真实机器节点
  4.     private final int NODE_NUM = 100; // 每个机器节点关联的虚拟节点个数
  5.     public Shard(List<S> shards) {
  6.         super();
  7.         this.shards = shards;
  8.         init();
  9.     }
  10.     private void init() { // 初始化一致性hash环
  11.         nodes = new TreeMap<Long, S>();
  12.         for (int i = 0; i != shards.size(); ++i) { // 每个真实机器节点都需要关联虚拟节点
  13.             final S shardInfo = shards.get(i);
  14.             for (int n = 0; n < NODE_NUM; n++)
  15.                 // 一个真实机器节点关联NODE_NUM个虚拟节点
  16.                 nodes.put(hash(“SHARD-” + i + “-NODE-” + n), shardInfo);
  17.         }
  18.     }
  19.     public S getShardInfo(String key) {
  20.         SortedMap<Long, S> tail = nodes.tailMap(hash(key)); // 沿环的顺时针找到一个虚拟节点
  21.         if (tail.size() == 0) {
  22.             return nodes.get(nodes.firstKey());
  23.         }
  24.         return tail.get(tail.firstKey()); // 返回该虚拟节点对应的真实机器节点的信息
  25.     }
  26.     /**
  27.      *  MurMurHash算法,是非加密HASH算法,性能很高,
  28.      *  比传统的CRC32,MD5,SHA-1(这两个算法都是加密HASH算法,复杂度本身就很高,带来的性能上的损害也不可避免)
  29.      *  等HASH算法要快很多,而且据说这个算法的碰撞率很低.
  30.      *  http://murmurhash.googlepages.com/
  31.      */
  32.     private Long hash(String key) {
  33.         ByteBuffer buf = ByteBuffer.wrap(key.getBytes());
  34.         int seed = 0x1234ABCD;
  35.         ByteOrder byteOrder = buf.order();
  36.         buf.order(ByteOrder.LITTLE_ENDIAN);
  37.         long m = 0xc6a4a7935bd1e995L;
  38.         int r = 47;
  39.         long h = seed ^ (buf.remaining() * m);
  40.         long k;
  41.         while (buf.remaining() >= 8) {
  42.             k = buf.getLong();
  43.             k *= m;
  44.             k ^= k >>> r;
  45.             k *= m;
  46.             h ^= k;
  47.             h *= m;
  48.         }
  49.         if (buf.remaining() > 0) {
  50.             ByteBuffer finish = ByteBuffer.allocate(8).order(
  51.                     ByteOrder.LITTLE_ENDIAN);
  52.             // for big-endian version, do this first:
  53.             // finish.position(8-buf.remaining());
  54.             finish.put(buf).rewind();
  55.             h ^= finish.getLong();
  56.             h *= m;
  57.         }
  58.         h ^= h >>> r;
  59.         h *= m;
  60.         h ^= h >>> r;
  61.         buf.order(byteOrder);
  62.         return h;
  63.     }
  64. }

Tagged: ,

Comments are closed.