详解一致性哈希

ゝ一纸荒年。 2024-03-16 15:40 64阅读 0赞

## 哈希算法 ##

在分布式系统中，每个节点存储的数据都是不同的。通过使用分布式存储，将数据水平拆分到不同的节点上，新的数据也会分配到新的节点上，比如使用`取模方式`分配节点,先用`hash`算法算出`hash`值，然后使用`hash/N`,`N`是节点数，比如三个节点。

*  取模值=0，分配节点1
 *  取模值=1，分配节点2
 *  取模值=2，分配节点3

![ce0c1baeb2f3141ef51c7d5145d658cf.png][]

如果节点数量是固定的，数据分配方式是固定的，获取数据的方式也是固定，数据也能正常的获取。

**如果节点数量发生了变化，新增或者减少节点时**，比如新增`节点4`,原来分配到`节点1`的数据被分配到`节点4`,原来的数据映射都无效，数据也无法正常获取了。这就需要使用到**一致性哈希算法**。

## 一致性哈希 ##

一致性哈希，从名字就能看出来，该算法符合一致性原则，当服务节点数量增加或减少，数据还能正常获取到。那一致性哈希有什么神奇的地方呢？先介绍什么是一致性哈希：

![7cbcced1072e61facb5c7262403454cb.png][]

上面是一个`哈希环`，环上有`2^32`个节点。和上面取模算法一样，一致性哈希算法也是取模算法，不同的是一致哈希算法是对`2^32`个节点取模运算，哈希环的节点是固定的，取模运算结果值也是固定的。

*  数据先进行哈希运算，获取哈希值。
 *  对哈希值对`2^32`取模运算。

取模后的值一定是在哈希环上。那是如何找到存储的节点呢？答案**在环上往顺时针方向找到第一个节点**。

比如哈希环上，有三个节点，分别是`节点1`、`节点2`、`节点3`，平均分布在哈希环上：

![6b48ca656ef90060f705b3e58f9ec114.png][]

新增一个数据，先算出来哈希值，确定该数据在哈希环上的位置，然后从这个位置顺时针方向找到第一个节点，就是存储数据的节点。

比如下图中数据`key-01`，先算出该数据在哈希环的位置，往顺时针方向找到第一个节点，也就是`节点1`，同理`key-02`、`key-03`顺时针分别找到`节点2`和`节点3`：

![96635d0c6386322d0972d045cc642a95.png][]

### 增减节点 ###

增加一个节点之后，比如新增加一个`节点4`，经过哈希计算获取节点的位置：

![52aaf8ff7381a7a0bc5e27ef5d59fa68.png][]

可以看到，此时`key-01`和`key-03`数据不受影响，`key-02`存储的节点从`节点2`迁移到了`节点4`。

那减少一个节点，移除`节点1`:

![343ad4f98b1a6507a0210c7cf66c42ba.png][]

此时`key-02`和`key-03`数据不受影响，只有`key-01`被迁移到`节点2`。

**在一致性哈希上，增加或减少节点，影响的节点从新节点逆时针方向到上一个节点的数据。**

对服务器节点扩容或者缩容，影响的数据只占整体数据一小部分，对整体系统的影响不大，对于数据准确性要求多的数据则不适用一致性哈希。

### 数据倾斜 ###

上面数据是均匀的分布在哈希环上，每个节点的存储压力都比较均衡，但是一致性哈希并不能保证数据会平均的分布在各个节点上，当大量的数据都分布在同一个节点上，如下图所示，大量的节点都分布在`节点3`上：

![e95fb30bb6dac0762b9c12c645c75775.png][]

此时请求访问数据主要是集中在`节点3`上，而环上的节点服务器配置基本是一致的，不会因为某个服务器压力大，就单独加大某个服务器的配置。`节点3`数据存储和访问量是其他节点的几倍以上，当请求压力超过了服务处理的上限后，就会导致`节点3`崩溃，`节点3`挂了之后，全部数据压力都会转移到`节点1`,`节点1`也会宕机，最后形成雪崩。

#### 数据倾斜解决 ####

为了解决数据倾斜问题，一致性哈希算法引入了**虚拟节点**，一个节点对应多个虚拟节点，上面三个真实节点，每个节点引入`3`个虚拟节点:

*  `节点1`引入三个虚拟节点：1A、1B、1C
 *  `节点2`引入三个虚拟节点：2A、2B、2C
 *  `节点3`引入三个虚拟节点：3A、3B、3C

引入虚拟节点之后，环上一共有`9`个节点:

![647be3bde81d4f2f097100f94048a558.png][]

节点数量多了之后，数据在哈希环上的分布就更加均匀了，就不容易出现上面数据倾斜的问题，当有数据存储到`1A`虚拟节点，在通过`1A`虚拟节点就能找到真实节点`节点1`了。

在实际应用中，虚拟节点的数量远大于上面虚拟节点数量。虚拟节点越多，对应的数据分布就更加的均匀。比如`Nginx`的一致性哈希算法中的虚拟节点就有`160`个。

虚拟节点除了使数据分布更加均衡之外，也会极大的提高数据的稳定性，当节点的数量变化时，会有不同的节点分担数据的请求压力，而不会像上面一样，当一个节点挂了，数据全都转到另一个节点上，导致雪崩发生。

## 总结 ##

*  常见的哈希算法，先计算出哈希值，再根据服务数量取模(hash%N)，将数据存储到固定的服务器下。
    
     *  当节点增加或者减少，N发生了变化，原来`hash%N`方式都失效了，数据也无法正常的获取了。
 *  一致性哈希算法就是为了解决节点数量发生变化时，数据一致性的问题。
    
     *  在一个环上有`2^32`节点，新增一个数据，先算出来哈希值，然后取模，算出来在环上的位置，**往顺时针找到第一个服务节点**，就是存储的服务节点。
     *  如果添加或者减少服务，比如服务挂了，或者服务扩容了。只是影响从新的服务节点逆时针方向摘到的第一个服务节点，其他数据不受影响。
 *  哈希环数据分布不均匀时，出现`数据倾斜`，就需要引入`虚拟节点`,一个服务节点对应多个虚拟节点，访问数据请求到虚拟节点，再找到对应的真实服务节点。虚拟节点越多，数据的分布就越均衡。同时，新增或者减少节点，会有不同的服务节点分摊压力，使服务更加稳定。

[ce0c1baeb2f3141ef51c7d5145d658cf.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/149da3a22be84acebe5131bc9ca4fb06.png
[7cbcced1072e61facb5c7262403454cb.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/1bab98a672aa47d0bfebddc25b081755.png
[6b48ca656ef90060f705b3e58f9ec114.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/119471d24ceb41b88c075740c95e998b.png
[96635d0c6386322d0972d045cc642a95.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/2141eccab35c4ce0951f499ffecfdf46.png
[52aaf8ff7381a7a0bc5e27ef5d59fa68.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/fd5def0050ec4052a1271a836be9c6f7.png
[343ad4f98b1a6507a0210c7cf66c42ba.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/2b6a80fa86fc44b2a36260af6ca82149.png
[e95fb30bb6dac0762b9c12c645c75775.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/2770693f15b545038af313e9892964ed.png
[647be3bde81d4f2f097100f94048a558.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/16/33249265ead74cdc814af6ba20aa5354.png