一致性hash算法

1.哈希算法

 哈希（Hash）也称为散列，就是把任意长度的输入，通过散列算法，变换成固定长度的输出，这个输出值就是散列值。

例如：数据库中分表操作，选取某个列的值进行hash运算，然后根据Hash的结果分配到不同的表中

以id为例，我们的数据库表中的数据亮一天预计数据量可以达到300万，长远的估计该表需要设计成分表的形式存储。

我们以订单ID为例，分为10个表路路由算法可以简单地⽤用 id % 10的值来表示数据所属的数据库表编号。

 Hash路由设计难点是初始表数量的选取，但是若是需要新增子表，那么hash%Mod也会随之发生变化，因此需要重新分配所有数据，这种影响会存在问题，优点的分布比较均匀分布到表中，缺点是扩充新数据重新排布。

 

 

2.一致性哈希算法

一致性哈希算法很好的解决了扩容和缩容的时候，发生过多数据迁移的问题。

一致性哈希是对2^32取模运算，是一个固定的值。

哈希环的范围是0-2^32-1.

一致性hash需要两步运算：

a.对存储结点hash运算，比如以IP地址进行hash

b.对数据进行存储或访问，对数据进行hash

因此存储节点和数据都在同一hash环上。

映射的结果是沿着顺时针的方向找到第一个节点。

 

 

 

当需要对指定 key 的值进行读写的时候，要通过下面 2 步进行寻址：

• 首先，对 key 进行哈希计算，确定此 key 在环上的位置；
• 然后，从这个位置沿着顺时针方向走，遇到的第一节点就是存储 key 的节点。

 在一致哈希算法中，如果增加或者移除一个节点，仅影响该节点在哈希环上顺时针相邻的后继节点，其它数据也不会受到影响。

 

但是一致性哈希算法并不保证节点能够在哈希环上分布均匀，这样就会带来一个问题，会有大量的请求集中在一个节点上。

 

为了解决一致性哈希算法不能够均匀的分布节点的问题，就需要引入虚拟节点，对一个真实节点做多个副本。不再将真实节点映射到哈希环上，而是将虚拟节点映射到哈希环上，并将虚拟节点映射到实际节点，所以这里有「两层」映射关系。

引入虚拟节点后，可以会提高节点的均衡度，还会提高系统的稳定性。所以，带虚拟节点的一致性哈希方法不仅适合硬件配置不同的节点的场景，而且适合节点规模会发生变化的场景。

有了虚拟节点后，还可以为硬件配置更好的节点增加权重，比如对权重更高的节点增加更多的虚拟机节点即可。