Redis分布式解决方案 （consistent hash）

传统的redis分布式算法：

         比如现在有一个数据，使用redis存储时，会现将其进行hash计算，然后根据计算的hash值进行取模，根据取模的结果将数据缓存到与结果值对应的redis中。算法如下：

 

案例1：传统分布式算法

    

 

使用传统的redis分布式算法的结果如下：根据取模的结果，将数据存储到相应的redis中

 

现在由于业务的需求，我们需要添加一台redis，添加后。就变成了5台redis，那么5台redis的一定会比4台的效果要好吗？

 增加一台redis后，20个数据的结果如下。

  

 

增加一台redis后,出现以下结论：(4台redis和5台redis比较得出的结论)

   redis0:只有20号数据命中

   redis1:只有1号数据命中

   redis2:只有2号数据命中

   redis3:只有3号数据命中

根据数据命中，得出的命中率为：  4/20 =20%

命中率为20%，这是极低的，很容易击穿缓存到达数据库，这显然是不行的。

那为什么增加了redis，反而命中率降低了呢？

  因为算法的局限性

我们看第二种算法 ------------------------ Consistent  Hashing (哈希一致性算法)

 

 

Consistent  Hashing (哈希一致性算法)

  

 

这个算法引入了一个新的概念：  环形hash空间  （空间的取值范围为： 0到 2的32次方减1）

传统的算法是进行取模缓存，这个算法是将数据进行hash计算，然后将计算的hash映射到hash空间上

我们以4个数据为例：

 

 

这个算法先将数据映射到hash空间中，然后将cache(redis)也映射到hash空间中

我们以三个redis为例：映射后如图所示：

  

现在数据和cache都映射到了hash空间中，那么如何将数据存储到cache呢？

  算法的数据存储是按照hash空间环  顺时针 存储（将数据存储到顺时针遇到的第一个cache中）如图所示：

 

那这种算法好在哪里呢？

  比如我们现在移除或添加一台cache,那么数据还是按照顺时针存储到数据库中：如图所示：

比如移除cacheB

   

移除后并不会对object4造成影响，它继续顺时针移动到cacheC中

 

再比如添加一个Cache

依然不会造成影响，依然按照顺时针移动到相应的cache中

 

但是问题来了，既然是顺时针存储，那么cache分布均匀还好，这样数据可以均匀分布，也能充分利用cache

但是，如果cache分布不均匀呢？（不均匀是hash算法的倾斜行导致的）

像这样分布的话，cacheA的压力就非常大，显然是不合理的

那么如何解决呢？

可以使用虚拟节点的方式来解决：

比如一个cache有两个虚拟节点，当数据命中到节点上时，将数据存储到相应的真实的cache中。

使用虚拟节点来解决分布均匀问题：

 

这样就可以很好的解决问题，既可以增加Cache有可以移除Cache，不会影响到性能