一致性哈希学习

转自：https://developer.huawei.com/consumer/cn/forum/topic/0203810951415790238?fid=0101592429757310384

https://blog.csdn.net/weixin_43217065/article/details/107659713

1.普通哈希存在的问题

 

 对服务器的数量取模，当服务器数量变动的时候，所有缓存的位置都要发生改变。

当增加或者减少一台服务器（故障），hash(a.png) % 5 = ？或者hash(a.png) % 3 = ？结果肯定不会映射到第2台服务器上，那么所有缓存在一定时间内是失效的，当应用无法从缓存中获取数据时，则会向后端数据库请求数据，会出现雪崩的情况？

2.一致性哈希

一致性哈希是指将「存储节点」和「数据」都映射到一个首尾相连的哈希环上。

一致性Hash算法也是使用取模的方法，对2^32取模，将整个哈希值空间组织成一个虚拟的圆环，将各个服务器使用Hash进行一个哈希，具体可以选择服务器的IP或主机名作为关键字进行哈希。【那需要先将ip或者主机名的字符串转换为整型之后再对2^32取模？那string->int需要自己定义？】每次根据要缓存的对象计算得到hash值，在hash环上顺时针查找距离最近的缓存服务器节点：

 根据一致性Hash算法，数据A会被定为到Node A上，B被定为到Node B上，C被定为到Node C上，D被定为到Node D上。

2.1 容错性和可扩展性

减少服务器：

（对应到网络抖动判断服务不可用的情况）

假设Node C不幸宕机，可以看到此时服务器A、B、D中原有的缓存对象不会受到影响，仍可正常访问，只有C对象被重定位到Node D。

一般的，在一致性Hash算法中，如果一台服务器不可用，则受影响的数据仅仅是此服务器到其环空间中前一台服务器（即沿着逆时针方向行走遇到的第一台服务器）之间的数据，其它不会受到影响。

增加服务器： 

（对应到部署一个新服务的情况）

 假设在服务区B和C之间增加一台，那么受影响的数据仅仅是新服务器到其环空间中前一台服务器（即沿着顺时针方向行走遇到的第一台服务器）之间数据，其它数据也不会受到影响。

一致性Hash算法对于节点的增减都只需重定位环空间中的一小部分数据，具有较好的容错性和可扩展性。

3. 哈希环数据倾斜问题

一致性哈希算法不能够均匀地分布节点，会出现大量请求都集中在一个节点的情况，在这种情况下进行容灾与扩容时，容易出现雪崩的连锁反应。

之后再继续了解。