本篇內(nèi)容介紹了“一致性hash算法有哪些重要性”的有關知識，在實際案例的操作過程中，不少人都會遇到這樣的困境，接下來就讓小編帶領大家學習一下如何處理這些情況吧！希望大家仔細閱讀，能夠學有所成！

專注于為中小企業(yè)提供網(wǎng)站建設、做網(wǎng)站服務,電腦端+手機端+微信端的三站合一,更高效的管理,為中小企業(yè)紅山免費做網(wǎng)站提供優(yōu)質的服務。我們立足成都，凝聚了一批互聯(lián)網(wǎng)行業(yè)人才，有力地推動了成百上千家企業(yè)的穩(wěn)健成長，幫助中小企業(yè)通過網(wǎng)站建設實現(xiàn)規(guī)模擴充和轉變。

一致性hash算法是個啥？相信很多老牌程序員都不太清楚，為什么？因為它主要用于負載均衡，解決數(shù)據(jù)相對一致性問題的。一般公司搞個哈希、輪詢、權重都了不得了，用什么一致性哈希算法，但一致性哈希算法是個啥，有點追求的產(chǎn)品經(jīng)理還是要了解的。

nginx里面有個哈希算法，這個哈希算法的使用場景大概是，我的某一個客戶端要一直連到特定后端服務器上，不許變，變了就會出錯，如此可以解決我們實際場景中一些問題，比如：session問題，redis緩存數(shù)據(jù)存儲等等。

如果用于緩存場景，普通哈希算法邏輯大概是這樣的，如果有10臺緩存服務器，客戶端 1數(shù)據(jù)存儲在1節(jié)點（1模除10）客戶端2數(shù)據(jù)存儲在2節(jié)點上......客戶端11存儲在1節(jié)點上，以此類推。但忽然有一天，有一臺機器老化了，你的總服務器個數(shù)變成了9，可想而知，再次做取模運算，可能原來的數(shù)據(jù)已經(jīng)不在，可能你會說，沒關系啊，數(shù)據(jù)庫里面還有一份呢？重新加載下就Ok啦，是的（沒見識），如果對于上億級流量場景，可能就會發(fā)生緩存擊穿問題，導致一連串的崩潰。

這時就輪到一致性hash算法上場了，其實一致性hash算法思想和實現(xiàn)非常簡單，每每想到一致性哈希算法，大家都應該想到這個環(huán)（不知道怎么回事，每當我看到這個環(huán)，總是想到張衡的地震儀）。

實現(xiàn)該算法的大致思路如下：

1、構造一個哈希環(huán)

2、把服務器對應的節(jié)點映射到哈希環(huán)上

3、客戶端請求，順時針找到該哈希環(huán)上的服務器節(jié)點

如此，足矣！這么簡單的邏輯，用代碼實現(xiàn)下吧，首先需要構造一個哈希環(huán)，哈希環(huán)看起來比較抽象，如何實現(xiàn)？找下規(guī)律發(fā)現(xiàn)哈希環(huán)上放的是一個KV數(shù)據(jù)對，key是哈希，value是對應的服務器，而且是順序的，自然就想到了SortedMap。

SortedMap<Integer, String> sortedMap = new TreeMap<Integer, String>(); 但哈希函數(shù)如何實現(xiàn)呢？這個就比較有意思了，這里不過多介紹哈希函數(shù)的生成過程，反正你應該選擇一個分布相對均勻、區(qū)間盡可能大的哈希函數(shù)，建議采用ketama或者FNV1_32，F(xiàn)NV代碼實現(xiàn)如下：

        final int p = 16777619;
        int hash = (int) 2166136261L;
        for (int i = 0; i < str.length(); i++)
            hash = (hash ^ str.charAt(i)) * p;
        hash += hash << 13;
        hash ^= hash >> 7;
        hash += hash << 3;
        hash ^= hash >> 17;
        hash += hash << 5;

        // 如果算出來的值為負數(shù)則取其絕對值  
        if (hash < 0)
            hash = Math.abs(hash);
        return hash;
    }

那么現(xiàn)在如何把服務器節(jié)點映射哈希環(huán)中呢？且看如下代碼實現(xiàn)：

 for (int i = 0; i < servers.length; i++) {
            int hash = FNVHash(servers[i]);
            sortedMap.put(hash, servers[i]);
}```

當然客戶端請求過來只需要計算客戶端的哈希值，順時針旋轉找到對應的服務端節(jié)點即可，如下為代碼實現(xiàn)：

```private static String getServer(String key) {
    //得到該key的hash值  
    int hash = FNVHash(key);
    //得到大于該Hash值的所有Map  
    SortedMap<Integer, String> subMap = sortedMap.tailMap(hash);
    if (subMap.isEmpty()) {
        //如果沒有比該key的hash值大的，則從第一個node開始  
        Integer i = sortedMap.firstKey();
        //返回對應的服務器  
        return sortedMap.get(i);
    } else {
        //第一個Key就是順時針過去離node最近的那個結點  
        Integer i = subMap.firstKey();
        //返回對應的服務器  
        return subMap.get(i);
    }
}

總結來說，假設有k個節(jié)點，數(shù)據(jù)的取值范圍就是[0, n]，我們把[0,n]劃分為m個區(qū)間，m遠遠大于k，那么每個機器就負責m/k個區(qū)間。這樣如果有將幾個小區(qū)間的數(shù)據(jù)遷移到新區(qū)間上，既保證了數(shù)據(jù)的一致性，也保證了數(shù)據(jù)的均衡。簡單來說，先根據(jù)機器IP生成哈希值，當客戶端數(shù)據(jù)key進來時，進行哈希操作，落到圓環(huán)中的某一點，順時針旋轉落到第一個節(jié)點上。

這個時候你可能會發(fā)現(xiàn)一個問題，如果說節(jié)點過于稀疏，那么很可能所有數(shù)據(jù)都落到一個節(jié)點上，導致數(shù)據(jù)傾斜，這個時候可以考慮虛擬節(jié)點。虛擬節(jié)點的添加實現(xiàn)也非常簡單，大致思路是構造哈希環(huán)的過程中使用虛擬節(jié)點，取出虛擬節(jié)點，最后找到對應的真實節(jié)點即可。

“一致性hash算法有哪些重要性”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關的知識可以關注創(chuàng)新互聯(lián)網(wǎng)站，小編將為大家輸出更多高質量的實用文章！

標題名稱：一致性hash算法有哪些重要性
URL分享：http://jinyejixie.com/article30/jojjso.html

成都網(wǎng)站建設公司_創(chuàng)新互聯(lián)，為您提供ChatGPT、網(wǎng)站維護、面包屑導航、App開發(fā)、品牌網(wǎng)站設計、Google

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉載內(nèi)容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)