详解一致性哈希算法

在单机系统中，所有的数据都存储在同一个服务器下，当数据量越来越多的时候，超过了单机存储容量的上限，就需要使用分布式存储系统，在分布式存储系统重，数据会被拆分到不同的存储服务下，减少单机服务的压力。

哈希算法

在分布式系统中，每个节点存储的数据都是不同的。通过使用分布式存储，将数据水平拆分到不同的节点上，新的数据也会分配到新的节点上，比如使用取模方式分配节点,先用hash算法算出hash值，然后使用hash/N,N是节点数，比如三个节点。

• 取模值=0，分配节点1
• 取模值=1，分配节点2
• 取模值=2，分配节点3

如果节点数量是固定的，数据分配方式是固定的，获取数据的方式也是固定，数据也能正常的获取。

如果节点数量发生了变化，新增或者减少节点时，比如新增节点4,原来分配到节点1的数据被分配到节点4,原来的数据映射都无效，数据也无法正常获取了。这就需要使用到一致性哈希算法。

一致性哈希

一致性哈希，从名字就能看出来，该算法符合一致性原则，当服务节点数量增加或减少，数据还能正常获取到。那一致性哈希有什么神奇的地方呢？先介绍什么是一致性哈希：

上面是一个哈希环，环上有2^32个节点。和上面取模算法一样，一致性哈希算法也是取模算法，不同的是一致哈希算法是对2^32个节点取模运算，哈希环的节点是固定的，取模运算结果值也是固定的。

• 数据先进行哈希运算，获取哈希值。
• 对哈希值对2^32取模运算。

取模后的值一定是在哈希环上。那是如何找到存储的节点呢？答案在环上往顺时针方向找到第一个节点。

比如哈希环上，有三个节点，分别是节点1、节点2、节点3，平均分布在哈希环上：

新增一个数据，先算出来哈希值，确定该数据在哈希环上的位置，然后从这个位置顺时针方向找到第一个节点，就是存储数据的节点。

比如下图中数据key-01，先算出该数据在哈希环的位置，往顺时针方向找到第一个节点，也就是节点1，同理key-02、key-03顺时针分别找到节点2和节点3：

增减节点

增加一个节点之后，比如新增加一个节点4，经过哈希计算获取节点的位置：

可以看到，此时key-01和key-03数据不受影响，key-02存储的节点从节点2迁移到了节点4。

那减少一个节点，移除节点1:

此时key-02和key-03数据不受影响，只有key-01被迁移到节点2。

在一致性哈希上，增加或减少节点，影响的节点从新节点逆时针方向到上一个节点的数据。

对服务器节点扩容或者缩容，影响的数据只占整体数据一小部分，对整体系统的影响不大，对于数据准确性要求多的数据则不适用一致性哈希。

数据倾斜

上面数据是均匀的分布在哈希环上，每个节点的存储压力都比较均衡，但是一致性哈希并不能保证数据会平均的分布在各个节点上，当大量的数据都分布在同一个节点上，如下图所示，大量的节点都分布在节点3上：

此时请求访问数据主要是集中在节点3上，而环上的节点服务器配置基本是一致的，不会因为某个服务器压力大，就单独加大某个服务器的配置。节点3数据存储和访问量是其他节点的几倍以上，当请求压力超过了服务处理的上限后，就会导致节点3崩溃，节点3挂了之后，全部数据压力都会转移到节点1,节点1也会宕机，最后形成雪崩。

数据倾斜解决

为了解决数据倾斜问题，一致性哈希算法引入了虚拟节点，一个节点对应多个虚拟节点，上面三个真实节点，每个节点引入3个虚拟节点:

• 节点1引入三个虚拟节点：1A、1B、1C
• 节点2引入三个虚拟节点：2A、2B、2C
• 节点3引入三个虚拟节点：3A、3B、3C

引入虚拟节点之后，环上一共有9个节点:

节点数量多了之后，数据在哈希环上的分布就更加均匀了，就不容易出现上面数据倾斜的问题，当有数据存储到1A虚拟节点，在通过1A虚拟节点就能找到真实节点节点1了。

在实际应用中，虚拟节点的数量远大于上面虚拟节点数量。虚拟节点越多，对应的数据分布就更加的均匀。比如Nginx的一致性哈希算法中的虚拟节点就有160个。

虚拟节点除了使数据分布更加均衡之外，也会极大的提高数据的稳定性，当节点的数量变化时，会有不同的节点分担数据的请求压力，而不会像上面一样，当一个节点挂了，数据全都转到另一个节点上，导致雪崩发生。

总结

• 常见的哈希算法，先计算出哈希值，再根据服务数量取模(hash%N)，将数据存储到固定的服务器下。
  • 当节点增加或者减少，N发生了变化，原来hash%N方式都失效了，数据也无法正常的获取了。
• 一致性哈希算法就是为了解决节点数量发生变化时，数据一致性的问题。
  • 在一个环上有2^32节点，新增一个数据，先算出来哈希值，然后取模，算出来在环上的位置，往顺时针找到第一个服务节点，就是存储的服务节点。
  • 如果添加或者减少服务，比如服务挂了，或者服务扩容了。只是影响从新的服务节点逆时针方向摘到的第一个服务节点，其他数据不受影响。
• 哈希环数据分布不均匀时，出现数据倾斜，就需要引入虚拟节点,一个服务节点对应多个虚拟节点，访问数据请求到虚拟节点，再找到对应的真实服务节点。虚拟节点越多，数据的分布就越均衡。同时，新增或者减少节点，会有不同的服务节点分摊压力，使服务更加稳定。