分布式系统中三种Hash取模算法原理——普通hash取模、Hash ring、Hash slot

前言

1.Hash取模算法常被用于分布式缓存集群系统，一般分三种，普通hash取模，一致性hash，Hash槽。
2.使用场景：假设现在有一个用户注册系统，用户数量会不断的增大，需要几个服务器共同存储。

一、普通Hash取模

1.先创建4个服务器(canister)，然后对注册的用户id hash之后取模，例如果用户的id是"matt",先对“matt”做hash计算，假设得到值是17，拿这个hash对canister 个数进行取模：17 % 4 = 1，那么这个“matt”的用户就被分配到canister 1进行储存。再来一个用户，重复上一步骤,hash后得到23，那么取模后，分配到canister 3上，访问时也一样，先hash后求余数，再去对应的canister里面读取数据。

2.使用这种hash取模数算法有一个问题是，当4个canister都满了，如果想增加多一台canister,那么之前的关系就会被全部打乱，就代表着，存储过的数据通过hash索引就找不着位置了。只能全部迁移数据，重新建立关系。

二.Hash ring

1.Hash 环可以解决动态扩容的问题，首先，在初始化的时候创建一个用户Canister,把Canister id 映射到Hash环上（Canister id Hash对2的32次方取余），然后把当前用户的ID的也映射到这个Hsah 环上（ID Hash 后对2的32次方取余）。当前只有一个Canister 1,那么所有Hash 环上映射的用户顺时针都找到该Canister里面。
如下图：

2.当Canister 1储存达到额定的容量的时候，动态创建一个Canister 2,也把Canister 2的ID hash后也映射到Hash环上，这时，Hash环上顺时针存储规则就要重新定义。

3. 这时要对所有存储的ID 进行计算，每个ID在计算Hash后会顺时针找到临接的存储节点存放。
这里会引起数据迁移，当只有一个Canister的时候，ID Hash 后顺时针所有临接点都是Canister 1,现在插入了Canister 2，那么原本存储在Canister 1里面的data index 1和data index 2就要迁移到Canister 2里面,这样在查询ID才能找到对应的Canister。
在查询数据时，也是按照PID hash后顺时针去找到临接的Caniste。

3.当Canister 2达到额定的容量时，再动态创建Canister 3,映射到Hash环上，重复上面的步骤对数据进行迁移。这样，每次在新增一个Canister之后，只会引起小量的数据迁移。如果下图，当增加了Canister后，把原本属于Canister 2的data index 1迁移到新新创建的Canister 3上，就能保证Hash环的插入和查找不会错乱。

4.hash ring会出现一个问题是，hash倾斜，就是某个canister获取的顺时针很大，某个却佷小，就会出现，有的canister 存了很多数据，有的却没有存到多少数据，为了避免这个问题，就要建立很多个虚拟节点，来均分hash环的空间，虚拟节点所对应的数据再映射到真实节点上，以达到均分的效果。

三、Hash slot

1.hash 槽的原理跟hash ring差不多，只是hash 槽在初始状态下就确定了映射，Hash 槽计算方式：crc16（ID）% 16383 ,然后对应hash槽上的映射关系存储数据，当取模的值小于3000的时候，ID存储在canister 1上，当值大于30001并小于60000的时候，存储在canister 2上，以类推。

2.新增canister 时，重新调整映射表，然后把数据迁移到对应的canister 上就可以了，hash slot 理论上出现hash倾斜的概率要小于hash ring.