哈希一致性的理解

图片来源:https://blog.csdn.net/qq_40378034/article/details/117870061

哈希一致性

我们首先面对这样一个问题:

有三台数据服务器,用于缓存三万张图片,我们希望三台机器能够均分缓存的压力。

最原始的做法是hash并取模,通过取模后的结果决定缓存在哪一台服务器上。

即:hash(图片ID)%

在这里插入图片描述

但是,在添加服务器的时候,会出现如下的问题:所有缓存的位置都要改变,大量缓存失效会引发雪崩。

在这里插入图片描述

那么该如何使用一致性哈希来取地址呢?

哈希算法是对节点的数量进行取模运算,而一致性哈希是对2的32次方进行取模运算。一致性哈希将整个哈希值空间组成一个虚拟的圆环,也就是哈希环,如图所示:

在这里插入图片描述在一致性哈希中,通过执行哈希算法,将节点映射到哈希环上。假设哈希算法函数为c-hash(),比如选择节点的主机名作为参数执行c-hash(),每个节点就能确定其在哈希环上的位置:
在这里插入图片描述在这里插入图片描述
但是这也会产生如下问题:假设结点C故障了,那么结点B会承载66%的缓存,而节点A只会承载33%的缓存。或者扩容结点D,那么结点D会承载更少的内存(和上一个结点平分)。

这时候,我们要使用虚拟节点来弥补该问题,对每个节点不以实际hash值入环,而是用计算出来的多个虚拟节点入环,保证这些虚拟节点均分在哈希表上,让它们互相抢夺缓存,如图:

在这里插入图片描述这样,在加入新的机器后,也可以让新计算出来的结点去抢夺资源,移除机器后,也可以把空闲出来的缓存均分给服务器。

Guess you like

Origin blog.csdn.net/qq_37772958/article/details/121776923