一致性哈希

http://article.yeeyan.org/view/119809/124126

http://ptsolmyr.com/2010/07/30/consistent_hash_by_tom_white/

 

 

 

我最近一段时间在研究 consistent hash。介绍它的paper(Consistent Hashing and Random Trees: Distributed Caching Protocols for Relieving Hot Spots on the World Wide Web byDavid Karger et al) 十年前就出现了，不过直到最近才悄悄的有越来越多的service开始使用consistent hash，这些service包括Amazon’s Dynamo，以及memcached (向Last.fm敬礼)。那么到底什么是consistent hash呢？大家为什么要关注它呢？

consistent hash的需求来自于运行一个cache集群(例如web cache)时遇到的一些限制。如果你拥有一个由n台cache机器组成的集群，那么最普通的load balance方式就是把进来的对象o放在编号为hash(o) mod n的那一台上。你会觉得这个方案简介优美，直到有一天，由于种种原因你不得不增加或者移除一些cache机器，这时，集群的机器数目n变了，每个对象都被hash求余到了新的机器。这将是一场灾难，因为真正存放内容的server会被来自于cache集群的request拖垮。这时整个系统看起来就像没有cache一样。这就是大家为什么关心consistent hash，因为大家需要使用它来避免系统被拖垮。

情况如果是这样的就好了：当集群添加了一台cache机器，该机器只从其他cache机器中读取应得的那些对象；相应的，当一个cache机器从集群中移除，最好是它cache住的对象被分配给其他的cache机器(而没有更多的数据移动)。这种理想的情境就是consistent hash所追求并实现的：如果可能的话，始终将同一组对象分配给相同的机器。

consistent hash算法背后最基础的思想就是：对object和cache machine使用相同的hash函数。这样做的好处是能够把cache机器映射到一段interval上，而这段interval就会包含一定数目的对象的hash值。如果某台cache机器被移除了，那么它映射到的interval被和它相邻的一个cache机器托管，其他所有的cache机器都不用变。

描述

让我们来更深入的来了解一下consistent hash。Hash的作用就是把object和cache映射到一个数值范围上。Java程序员对hash应该很熟悉了–每个对象的hashCode方法会返回一个在[-2³¹, 2³¹-1]的int型整数。我们把这个数值范围首尾相接的映射到一个环上。下图描述了一组object(1, 2, 3, 4)和一组cache(A, B, C)分别映射在Hash环上。(图片源于Web Caching with Consistent Hashing by David Karger et al)

图1

要确定某个object会缓存在哪个cache，我们从这个object开始顺时针前进，知道我们遇到一个cache点。这样，从上图的例子我们看到object 1和4 归cache A，object 2归cache B，而cache C缓存的事object 3。考虑一下，当cache C被移除了，会发生什么？在这种情况下，object 3被cache A缓存住，所有其他object都不用移动。如果如图2，cache集群添加了cache D，那么D会缓存object 3和4，把object 1留给A。

图2

一切都很好，除了一点：指派给每个cache的间距大小太随机了，这样就会object的分配也极度的不均匀。 为了解决这个问题，我们引入”virtual nodes”这个概念：即每个cache在hash环上有多个副本，也就是说，每当我们加入一个cache，在环上都会为这个cache增加多个点。

我下面的代码做了一个仿真实验，将10,000个object存入10个cache，你会在下面的plot图中看到virtual nodes的影响。x轴上是每个cache的副本数(对数刻度)。当x值较小时，我们看到objects在caches中的分布是不平衡的(y轴是以百分比形式表示objects在caches中分布的标准差)。随着cache的replica的增加，objects的分布趋向于更加平衡。这个实验说明了每个cache大概100-200的replica能够使object的分布较为平衡(标准差在5%-10%)

experiment result

实现

下面是使用Java的一个简单实现。要使consistent hash的效果明显，很重要的一点是使用一个mix的很好的hash函数。Java中object的hashCode方法的大多数实现都没有提供很好的mix性能。所以我们提供一个HashFunction接口，以便于定制使用的hash函数。在这里推荐MD5.

  

import java.util.Collection;

 import java.util.SortedMap;
 import java.util.TreeMap;
 
 public class ConsistentHash {
 
   private final HashFunction hashFunction;
   private final int numberOfReplicas;
   private final SortedMap circle =
     new TreeMap();
 
   public ConsistentHash(HashFunction hashFunction,
     int numberOfReplicas, Collection nodes) {
 
     this.hashFunction = hashFunction;
     this.numberOfReplicas = numberOfReplicas;
 
     for (T node : nodes) {
       add(node);
     }
   }
 
   public void add(T node) {
     for (int i = 0; i < numberOfReplicas; i++) {
       circle.put(hashFunction.hash(node.toString() + i),
         node);
     }
   }
 
   public void remove(T node) {
     for (int i = 0; i < numberOfReplicas; i++) {
       circle.remove(hashFunction.hash(node.toString() + i));
     }
   }
 
   public T get(Object key) {
     if (circle.isEmpty()) {
       return null;
     }
     int hash = hashFunction.hash(key);
     if (!circle.containsKey(hash)) {
       SortedMap tailMap =
         circle.tailMap(hash);
       hash = tailMap.isEmpty() ?
              circle.firstKey() : tailMap.firstKey();
     }
     return circle.get(hash);
   } 
 
 } 

 

 
上面的代码用一个integer的sorted map来表示hash circle。当ConsistentHash创建时，每个node都被添加到circle map中(添加的次数由numberOfReplicas控制)。每个replica的位置，由node的名字加上一个数字后缀所对应的hash值来决定。
要为一个object找到它应该去的node(get方法)，我们把object的hash值放入map中查找。大多数情况下，不会恰好有一个node和这个object重合(即使每个node都有一定量的replica，hash的值空间也比node数要多得多)，所以用tailMap方法找到map中的下一个key。如果tail map为空，那么我们转一圈，找到circle中的第一个key。

使用

  

那么你应该如何使用consistent hash呢？一般情况下，你可以使用一些library，而不是自己去写代码。例如上面提到的memcached–一个分布式的内存cache系统，现在已经有了支持consisitent hash的client。由Last.fm的Richard Jones实现的ketama是第一个，现在是有Dustin Sallings贡献的Java实现。很有趣的是只有客户端需要实现consisitent hash算法，server端的代码不需要任何改变。其他使用consisitent hash的系统有Chord，一个分布式hash表的实现，和Amazon的Dynamo，一个key-value存储系统。(没有开源)