查看原文
其他

什么是一致性 Hash 算法?面试又被问到怎么办?

Java后端 2022-11-04

The following article is from 会点代码的大叔 Author 会点代码的大叔

01数据分片



✔︎ 先让我们看一个例子吧


我们经常会用 Redis 做缓存,把一些数据放在上面,以减少数据的压力。


当数据量少,访问压力不大的时候,通常一台Redis就能搞定,为了高可用,弄个主从也就足够了;


当数据量变大,并发量也增加的时候,把全部的缓存数据放在一台机器上就有些吃力了,毕竟一台机器的资源是有限的,通常我们会搭建集群环境,让数据尽量平均的放到每一台 Redis 中,比如我们的集群中有 4 台Redis。


那么如何把数据尽量平均地放到这 4 台Redis中呢?最简单的就是取模算法:


hash( key ) % N,N 为 Redis 的数量,在这里 N = 4 ;



看起来非常得美好,因为依靠这样的方法,我们可以让数据平均存储到 4 台 Redis 中,当有新的请求过来的时候,我们也可以定位数据会在哪台 Redis 中,这样可以精确地查询到缓存数据。



02数据分片会遇到的问题



但是 4 台 Redis 不够了,需要再增加 4 台 Redis ;


那么这个求余算法就会变成:hash( key ) % 8 ;



那么可以想象一下,当前大部分缓存的位置都会是错误的,极端情况下,就会造成 缓存雪崩



03一致性 Hash 算法



一致性 Hash 算法可以很好地解决这个问题,它的大概过程是这样的:


把 0 作为起点,2^32-1 作为终点,画一条直线,再把起点和终点重合,直线变成一个圆,方向是顺时针从小到大。0 的右侧第一个点是 1 ,然后是 2 ,以此类推。


对三台服务器的 IP 或其他关键字进行 hash 后对 2^32 取模,这样势必能落在这个圈上的某个位置,记为 Node1、Node2、Node3。



然后对数据 key 进行相同的操作,势必也会落在圈上的某个位置;然后顺时针行走,可以找到某一个 Node,这就是这个 key 要储存的服务器。



如果增加一台服务器或者删除一台服务器,只会影响 部分数据



但如果节点太少或分布不均匀的时候,容易造成 数据倾斜,也就是大部分数据会集中在某一台服务器上。


为了解决数据倾斜问题,一致性 Hash 算法提出了【虚拟节点】,会对每一个服务节点计算多个哈希,然后放到圈上的不同位置。


当然我们也可以发现,一致性 Hash 算法,也只是解决大部分数据的问题


【END】如果看到这里,说明你喜欢这篇文章,请转发、点赞。微信搜索「web_resource」,关注后回复「进群」或者扫描下方二维码即可进入无广告交流群。↓扫描二维码进群↓读 1. 我把废旧 Android 手机改造成了 Linux 服务器2. 动画: 一个浏览器是如何工作的?3. 为什么你学不会递归?4. 一个女生不主动联系你还有机会吗?

5.  团队开发中 Git 最佳实践

在看 

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存