代码改变世界

一致性哈希算法及其在分布式系统中的应用

2013-07-22 17:18  java20130722  阅读(246)  评论(0编辑  收藏  举报

(转)一致性哈希算法及其在分布式系统中的应用

(2011-11-12 22:11:39)
标签:

哈希

杂谈

 

Consistent hashing算法非常简洁,如果你有一系列服务器,需要把很多 keys (objects)映射到这些

服务器上。这时Constent hashing就派上用场了。典型的例子包括 memcached 或者一些分布式系统。


余数映射方法

server = serverlist[ hash(key) % N ]

余数计算的方法简单,数据的分散性也相当优秀,但也有其缺点。那就是当添加或者移除服务器时,

缓存重组的代价相当巨大。现假设一台服务器宕机了,把它从列表中移除,为了填补空缺,后面的

服务器按顺序前移一位并将编号减1,此时每个key就要按照 server = serverlist[hash(key) % (N-1) ]

重新计算。同样,如果新增一台服务器,虽然原有服务器的编号不用改变,但是所有关键字要按照

 server = serverlist[ hash(key) % (N+1) ]重新映射。因此,系统中一旦有服务器变更,大量的key被

重定位到不同的节点,从而造成大量的缓存不命中,这在分布式系统中是非常糟糕的。

为了说明这个问题,我们来看一个例子。


将 a, b, c, d, e, f, g, h, i, j, k, l 映射到 三台服务器 node1, node2,node3,结果为

node1:  a, d, g, j 

node2:  b, e, h, k

node3:  c,  f, i,  l

然后添加一台服务器 node4,重新映射,结果为

node1:  a, e, i

node2:  b, f,  j

node3:  c, g, k

node4:  d, h, l

对比发现,添加一台服务器后,只有键 a, b, c 还是映射到原来的服务器。

其他键都移到了其他服务器,如果访问这些键,就会发生缓存失效。像这样,

添加节点后,键映射到的服务器会发生巨大的变化,导致缓存效率瞬间大幅度

下降。后果是灾难性的。

 

 

Constent Hashing 方法

一致性哈希算法(Consistent Hashing)最早在论文《ConsistentHashing and Random Trees: Distributed Caching Protocols forRelieving Hot Spots on the World WideWeb》中被提出。简单来说,一致性哈希将整个哈希值空间组织成一个虚拟的圆环,如假设某哈希函数H的值空间为0 -232-1(即哈希值是一个32位无符号整形),整个哈希空间环如下:

 

image

整个空间按顺时针方向组织。0和232-1在零点中方向重合。

下一步将服务器使用H进行哈希(具体可以选择服务器的ip或主机名作为关键字进行哈希),映射到哈希环上的某个位置,这里假设将上文中三台服务器使用ip地址哈希后在环空间的位置如下:

image

接下来使用如下算法映射数据到相应服务器:将数据key使用相同的函数H计算出哈希值h,根据h确定此数据在环上的位置,从此位置沿环顺时针“行走”,第一台遇到的服务器就是其应该映射到的服务器。

例如我们有A、B、C、D四个数据对象,经过哈希计算后,在环空间上的位置如下:

image

根据一致性哈希算法,数据A会被定为到Server 1上,D被定为到Server 3上,而B、C分别被定为到Server 2上。

容错性与可扩展性分析

下面分析一致性哈希算法的容错性和可扩展性。现假设Server 3宕机了:

image

可以看到此时A、C、B不会受到影响,只有D节点被重定位到Server2。一般的,在一致性哈希算法中,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前一台服务器(即逆时针方向行走遇到的第一台服务器)之间数据,其它不会受到影响。

下面考虑另外一种情况,如果我们在系统中增加一台服务器Memcached Server 4:

image

此时A、D、C不受影响,只有B需要重定位到新的Server4。一般的,在一致性哈希算法中,如果增加一台服务器,则受影响的数据仅仅是新服务器到其前一台服务器(即逆时针方向行走遇到的第一台服务器)之间数据,其它不会受到影响。

综上所述,一致性哈希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。

虚拟节点

一致性哈希算法在服务节点太少时,容易因为节点分部不均匀而造成数据倾斜问题。例如我们的系统中有两台服务器,其环分布如下:

image

此时必然造成大量数据集中到Server 1上,而只有极少量会定位到Server2上。为了解决这种数据倾斜问题,一致性哈希算法引入了虚拟节点机制,即对每一个服务节点计算多个哈希,在每个计算的结果位置都放置一个服务节点,称为虚拟节点。具体做法可以在服务器ip或主机名的后面增加编号来实现。例如上面的情况,我们决定为每台服务器计算三个虚拟节点,于是可以分别计算“MemcachedServer 1#1”、“Memcached Server 1#2”、“Memcached Server1#3”、“Memcached Server 2#1”、“Memcached Server 2#2”、“MemcachedServer 2#3”的哈希值,于是形成六个虚拟节点:

image

同时数据映射算法不变,只是多了一步虚拟节点到实际节点的映射,例如定位到“Memcached Server1#1”、“Memcached Server 1#2”、“Memcached Server1#3”三个虚拟节点的数据均定位到Server1上。这样就解决了服务节点少时数据倾斜的问题。在实际应用中,通常将虚拟节点数设置为32甚至更大,因此即使很少的服务节点也能做到相对均匀的数据分布。

Memcached的分布式

memcached 虽然称为分布式缓存服务器,但服务器端并没有“分布式”的功能。服务器端仅包含内存的存储
功能和网络接口层。至于Memcached 的分布式,则完全由客户端实现。这种分布式是Memcached最大的特
点。

总结

目前一致性哈希基本成为了分布式系统组件的标准配置,例如Memcached的各种客户端都提供内置的一致性哈希支持。