注册 登录
  • 欢迎访问"运维那点事",推荐使用Google浏览器访问,可以扫码关注本站的"微信公众号"。
  • 如果您觉得本站对你有帮助,那么可以扫码捐助以帮助本站更好地发展。

Consistent Hashing

Memcached 彭东稳 6865次浏览 已收录 0个评论

Consistent hashing算法早在1997年就在论文Consistent hashing and random trees中被提出,目前在cache系统中应用越来越广泛。

一、 基本场景

比如你有Ncache 服务器(后面简称cache ),那么如何将一个对象 object 映射到Ncache上呢,你很可能会采用类似下面的通用方法计算objecthash值,然后均匀的映射到到Ncache。公式为:hash(object)%N

一切都运行正常,再考虑如下的两种情况;

1)  一个cache服务器m挂掉了(在实际应用中必须要考虑这种情况),这样所有映射到cache m的对象都会失效,怎么办,需要把cache mcache中移除,这时候cacheN-1台,映射公式变成了hash(object)%(N-1)

2)  由于访问加重,需要添加cache,这时候cacheN+1台,映射公式变成了hash(object)%(N+1) 

12意味着什么?这意味着突然之间几乎所有的cache都失效了。对于服务器而言,这是一场灾难,洪水般的访问都会直接冲向后台服务器。再来考虑第三个问题,由于硬件能力越来越强,你可能想让后面添加的节点多做点活,显然上面的hash算法也做不到。

有什么方法可以改变这个状况呢,这就是 consistent hashing…

二、Hash 算法和单调性

Hash算法的一个衡量指标是单调性( Monotonicity ),定义如下:

单调性是指如果已经有一些内容通过哈希分派到了相应的缓冲中,又有新的缓冲加入到系统中。哈希的结果应能够保证原有已分配的内容可以被映射到新的缓冲中去,而不会被映射到旧的缓冲集合中的其他缓冲区。容易看到,上面的简单hash算法hash(object)%N难以满足单调性要求。

三、consistent hashing 算法的原理

consistent hashing(一致性哈希算法)是一种 hash 算法,简单的说,在移除/添加一个cache时,它能够尽可能小的改变已存在key映射关系,尽可能的满足单调性的要求。下面就来按照5个步骤简单讲讲consistent hashing算法的基本原理。

1 环形hash 空间

考虑通常的hash算法都是将value映射到一个32为的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)(2^32-1)相接的圆环,如下面图1所示的那样。

Consistent Hashing

图1

2)把对象映射到hash 空间

接下来考虑4个对象object1~object4 ,通过hash函数计算出的hashkey在环上的分布如图 2 所示。

hash(object1) = key1;
… …
hash(object4) = key4;

Consistent Hashing

 2 4 个对象的 key 值分布

3)把cache 映射到hash 空间

Consistent hashing 的基本思想就是将对象和 cache 都映射到同一个 hash 数值空间中,并且使用相同的hash 算法。

假设当前有 A,B  C  3  cache ,那么其映射结果将如图 3 所示,他们在 hash 空间中,以对应的 hash值排列。

hash(cache A) = key A;
… …
hash(cache C) = key C;

Consistent Hashing

 3 cache 和对象的 key 值分布

说到这里,顺便提一下cache  hash 计算,一般的方法可以使用cache机器的IP地址或者机器名作为hash输入。

4)把对象映射到cache

现在 cache 和对象都已经通过同一个 hash 算法映射到 hash 数值空间中了,接下来要考虑的就是如何将对象映射到 cache 上面了。

在这个环形空间中,如果沿着顺时针方向从对象的 key 值出发,直到遇见一个 cache ,那么就将该对象存储在这个 cache 上,因为对象和 cache  hash 值是固定的,因此这个 cache 必然是唯一和确定的。这样不就找到了对象和 cache 的映射方法了吗?

依然继续上面的例子(参见图 3 ),那么根据上面的方法,对象 object1 将被存储到 cache A 上; object2 object3 对应到 cache C  object4 对应到cache B 

5 考察cache 的变动

前面讲过,通过 hash 然后求余的方法带来的最大问题就在于不能满足单调性,当 cache 有所变动时,cache 会失效,进而对后台服务器造成巨大的冲击,现在就来分析分析 consistent hashing 算法。

1.移除 cache

考虑假设 cache B 挂掉了,根据上面讲到的映射方法,这时受影响的将仅是那些沿 cache B 逆时针遍历直到下一个 cache ( cache C )之间的对象,也即是本来映射到 cache B 上的那些对象。

因此这里仅需要变动对象 object4 ,将其重新映射到 cache C 上即可;参见图 4 

Consistent Hashing

 4 Cache B 被移除后的 cache 映射

2.添加 cache

再考虑添加一台新的 cache D 的情况,假设在这个环形 hash 空间中, cache D 被映射在对象 object2 object3 之间。这时受影响的将仅是那些沿 cache D 逆时针遍历直到下一个 cache ( cache B )之间的对象(它们是也本来映射到 cache C 上对象的一部分),将这些对象重新映射到 cache D 上即可。

因此这里仅需要变动对象 object2 ,将其重新映射到 cache D 上,参见图 5 

Consistent Hashing

 5 添加 cache D 后的映射关系

6)虚拟节点

考量 Hash 算法的另一个指标是平衡性 (Balance) ,定义如下:

平衡性

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。hash 算法并不是保证绝对的平衡,如果 cache 较少的话,对象并不能被均匀的映射到 cache 上,比如在上面的例子中,仅部署 cache A  cache C 的情况下,在 4 个对象中, cache A 仅存储了 object1 ,而 cache C 则存储了 object2  object3  object4 ;分布是很不均衡的。为了解决这种情况, consistent hashing 引入了虚拟节点的概念,它可以如下定义:

虚拟节点”( virtual node )是实际节点在 hash 空间的复制品( replica ),一实际个节点对应了若干个虚拟节点,这个对应个数也成为复制个数虚拟节点 hash 空间中以 hash 值排列。

仍以仅部署 cache A  cache C 的情况为例,在图 4 中我们已经看到, cache 分布并不均匀。现在我们引入虚拟节点,并设置复制个数 2 ,这就意味着一共会存在 4 虚拟节点 cache A1, cache A2 代表了 cache A  cache C1, cache C2 代表了 cache C ;假设一种比较理想的情况,参见图 6 

Consistent Hashing

 6 引入虚拟节点后的映射关系

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  object2 都被映射到了 cache A 上,而 object3  object4 映射到了 cache C 上,平衡性有了很大提高。引入虚拟节点后,映射关系就从 { 对象 -> 节点 } 转换到了 { 对象 -> 虚拟节点 } 。查询物体所在 cache时的映射关系如图 7 所示。

Consistent Hashing

 7 查询对象所在 cache

虚拟节点 hash 计算可以采用对应节点的 IP 地址加数字后缀的方式,例如假设 cache A  IP 地址为202.168.14.241 。引入虚拟节点前,计算 cache A  hash 值:

Hash(“202.168.14.241”);

引入虚拟节点后,计算虚拟节 cache A1  cache A2  hash 值:

Hash(“202.168.14.241#1”);  // cache A1

Hash(“202.168.14.241#2”);  // cache A2


如果您觉得本站对你有帮助,那么可以支付宝扫码捐助以帮助本站更好地发展,在此谢过。
喜欢 (0)or分享 (0)
关于作者:

您必须 登录 才能发表评论!