Gordon.Ma

1 基本場景

比如你有 N 個 cache 服務(wù)器（后面簡稱 cache ），那么如何將一個對象 object 映射到 N 個 cache 上呢，你很可能會采用類似下面的通用方法計算 object 的 hash 值，然后均勻的映射到到 N 個 cache ；

hash(object)%N

   一切都運(yùn)行正常，再考慮如下的兩種情況；

   1 一個 cache 服務(wù)器 m down 掉了（在實際應(yīng)用中必須要考慮這種情況），這樣所有映射到 cache m 的對象都會失效，怎么辦，需要把 cache m 從 cache 中移除，這時候 cache 是 N-1 臺，映射公式變成了 hash(object)%(N-1) ；

   2 由于訪問加重，需要添加 cache ，這時候 cache 是 N+1 臺，映射公式變成了 hash(object)%(N+1) ；

1 和 2 意味著什么？這意味著突然之間幾乎所有的 cache 都失效了。對于服務(wù)器而言，這是一場災(zāi)難，洪水般的訪問都會直接沖向后臺服務(wù)器；

再來考慮第三個問題，由于硬件能力越來越強(qiáng)，你可能想讓后面添加的節(jié)點多做點活，顯然上面的 hash 算法也做不到。

  有什么方法可以改變這個狀況呢，這就是 consistent hashing...

2 hash 算法和單調(diào)性

　　 Hash 算法的一個衡量指標(biāo)是單調(diào)性（ Monotonicity ），定義如下：

　　單調(diào)性是指如果已經(jīng)有一些內(nèi)容通過哈希分派到了相應(yīng)的緩沖中，又有新的緩沖加入到系統(tǒng)中。哈希的結(jié)果應(yīng)能夠保證原有已分配的內(nèi)容可以被映射到新的緩沖中去，而不會被映射到舊的緩沖集合中的其他緩沖區(qū)。

容易看到，上面的簡單 hash 算法 hash(object)%N 難以滿足單調(diào)性要求。

3 consistent hashing 算法的原理

consistent hashing 是一種 hash 算法，簡單的說，在移除 / 添加一個 cache 時，它能夠盡可能小的改變已存在 key 映射關(guān)系，盡可能的滿足單調(diào)性的要求。

下面就來按照 5 個步驟簡單講講 consistent hashing 算法的基本原理。

3.1 環(huán)形hash 空間

考慮通常的 hash 算法都是將 value 映射到一個 32 為的 key 值，也即是 0~2^32-1 次方的數(shù)值空間；我們可以將這個空間想象成一個首（ 0 ）尾（ 2^32-1 ）相接的圓環(huán)，如下面圖 1 所示的那樣。

圖 1 環(huán)形 hash 空間

3.2 把對象映射到hash 空間

接下來考慮 4 個對象 object1~object4 ，通過 hash 函數(shù)計算出的 hash 值 key 在環(huán)上的分布如圖 2 所示。

hash(object1) = key1;

… …

hash(object4) = key4;

圖 2 4 個對象的 key 值分布

3.3 把cache 映射到hash 空間

Consistent hashing 的基本思想就是將對象和 cache 都映射到同一個 hash 數(shù)值空間中，并且使用相同的 hash算法。

假設(shè)當(dāng)前有 A,B 和 C 共 3 臺 cache ，那么其映射結(jié)果將如圖 3 所示，他們在 hash 空間中，以對應(yīng)的 hash 值排列。

hash(cache A) = key A;

… …

hash(cache C) = key C;

圖 3 cache 和對象的 key 值分布

說到這里，順便提一下 cache 的 hash 計算，一般的方法可以使用 cache 機(jī)器的 IP 地址或者機(jī)器名作為 hash輸入。

3.4 把對象映射到cache

現(xiàn)在 cache 和對象都已經(jīng)通過同一個 hash 算法映射到 hash 數(shù)值空間中了，接下來要考慮的就是如何將對象映射到 cache 上面了。

在這個環(huán)形空間中，如果沿著順時針方向從對象的 key 值出發(fā)，直到遇見一個 cache ，那么就將該對象存儲在這個 cache 上，因為對象和 cache 的 hash 值是固定的，因此這個 cache 必然是唯一和確定的。這樣不就找到了對象和 cache 的映射方法了嗎？！

依然繼續(xù)上面的例子（參見圖 3 ），那么根據(jù)上面的方法，對象 object1 將被存儲到 cache A 上； object2 和object3 對應(yīng)到 cache C ； object4 對應(yīng)到 cache B ；

3.5 考察cache 的變動

前面講過，通過 hash 然后求余的方法帶來的最大問題就在于不能滿足單調(diào)性，當(dāng) cache 有所變動時， cache會失效，進(jìn)而對后臺服務(wù)器造成巨大的沖擊，現(xiàn)在就來分析分析 consistent hashing 算法。

3.5.1 移除 cache

考慮假設(shè) cache B 掛掉了，根據(jù)上面講到的映射方法，這時受影響的將僅是那些沿 cache B 逆時針遍歷直到下一個 cache （ cache C ）之間的對象，也即是本來映射到 cache B 上的那些對象。

因此這里僅需要變動對象 object4 ，將其重新映射到 cache C 上即可；參見圖 4 。

圖 4 Cache B 被移除后的 cache 映射

3.5.2 添加 cache

再考慮添加一臺新的 cache D 的情況，假設(shè)在這個環(huán)形 hash 空間中， cache D 被映射在對象 object2 和object3 之間。這時受影響的將僅是那些沿 cache D 逆時針遍歷直到下一個 cache （ cache B ）之間的對象（它們是也本來映射到 cache C 上對象的一部分），將這些對象重新映射到 cache D 上即可。

因此這里僅需要變動對象 object2 ，將其重新映射到 cache D 上；參見圖 5 。

圖 5 添加 cache D 后的映射關(guān)系

4 虛擬節(jié)點

考量 Hash 算法的另一個指標(biāo)是平衡性 (Balance) ，定義如下：

平衡性

　　平衡性是指哈希的結(jié)果能夠盡可能分布到所有的緩沖中去，這樣可以使得所有的緩沖空間都得到利用。

hash 算法并不是保證絕對的平衡，如果 cache 較少的話，對象并不能被均勻的映射到 cache 上，比如在上面的例子中，僅部署 cache A 和 cache C 的情況下，在 4 個對象中， cache A 僅存儲了 object1 ，而 cache C 則存儲了object2 、 object3 和 object4 ；分布是很不均衡的。

為了解決這種情況， consistent hashing 引入了“虛擬節(jié)點”的概念，它可以如下定義：

“虛擬節(jié)點”（ virtual node ）是實際節(jié)點在 hash 空間的復(fù)制品（ replica ），一實際個節(jié)點對應(yīng)了若干個“虛擬節(jié)點”，這個對應(yīng)個數(shù)也成為“復(fù)制個數(shù)”，“虛擬節(jié)點”在 hash 空間中以 hash 值排列。

仍以僅部署 cache A 和 cache C 的情況為例，在圖 4 中我們已經(jīng)看到， cache 分布并不均勻。現(xiàn)在我們引入虛擬節(jié)點，并設(shè)置“復(fù)制個數(shù)”為 2 ，這就意味著一共會存在 4 個“虛擬節(jié)點”， cache A1, cache A2 代表了cache A ； cache C1, cache C2 代表了 cache C ；假設(shè)一種比較理想的情況，參見圖 6 。

圖 6 引入“虛擬節(jié)點”后的映射關(guān)系

此時，對象到“虛擬節(jié)點”的映射關(guān)系為：

objec1->cache A2 ； objec2->cache A1 ； objec3->cache C1 ； objec4->cache C2 ；

因此對象 object1 和 object2 都被映射到了 cache A 上，而 object3 和 object4 映射到了 cache C 上；平衡性有了很大提高。

引入“虛擬節(jié)點”后，映射關(guān)系就從 { 對象 -> 節(jié)點 } 轉(zhuǎn)換到了 { 對象 -> 虛擬節(jié)點 } 。查詢物體所在 cache 時的映射關(guān)系如圖 7 所示。

圖 7 查詢對象所在 cache

“虛擬節(jié)點”的 hash 計算可以采用對應(yīng)節(jié)點的 IP 地址加數(shù)字后綴的方式。例如假設(shè) cache A 的 IP 地址為202.168.14.241 。

引入“虛擬節(jié)點”前，計算 cache A 的 hash 值：

Hash(“202.168.14.241”);

引入“虛擬節(jié)點”后，計算“虛擬節(jié)”點 cache A1 和 cache A2 的 hash 值：

Hash(“202.168.14.241#1”);  // cache A1

Hash(“202.168.14.241#2”);  // cache A2

5 小結(jié)

Consistent hashing 的基本原理就是這些，具體的分布性等理論分析應(yīng)該是很復(fù)雜的，不過一般也用不到。

http://weblogs.java.net/blog/2007/11/27/consistent-hashing 上面有一個 java 版本的例子，可以參考。

http://blog.csdn.net/mayongzhan/archive/2009/06/25/4298834.aspx 轉(zhuǎn)載了一個 PHP 版的實現(xiàn)代碼。

http://www.codeproject.com/KB/recipes/lib-conhash.aspx C語言版本

一些參考資料地址：

http://portal.acm.org/citation.cfm?id=258660

http://en.wikipedia.org/wiki/Consistent_hashing

http://www.spiteful.com/2008/03/17/programmers-toolbox-part-3-consistent-hashing/

 http://weblogs.java.net/blog/2007/11/27/consistent-hashing

http://tech.idv2.com/2008/07/24/memcached-004/

http://blog.csdn.net/mayongzhan/archive/2009/06/25/4298834.aspx