分布算法之一致性哈希算法

在进行大型网站的web开发时，分布式这个词经常出现在我们面前。如：

• memcache、redis服务器等缓存服务器的负载均衡（分布式cache），
• MySQL的分布式集群（分布式DB），
• 大量session的共享存储（分布式文件，或session服务器等），

这些都会用到分布式的思想，究其根源，都要理解分布式算法。原谅我扯这么一堆才扯出本文的主题，一致性哈希算法。接下来以缓存服务器的负载均衡来谈一下一致性哈希算法。

传统算法缺陷

对于服务器分布，我们要考虑的东西有如下三点：数据平均分布，查找定位准确，降低宕机影响。

传统算法一般是将数据的键用算法映射出数字，对其用服务器数量取模，并根据结果选择要存储的服务器。其能达到数据平均分布和查找定位准确的要求，并且优点是算法简单，存取时的计算量都比较小（在数据非常大时才会明显）。

但其有一个致命缺点，即一个服务器宕机后的影响很大，我们可以推算一下一台服务器宕机后的影响：

• 原有数据大部分丢失：服务器数量减少一台，取模数减1导致取模值错乱，如果以前有N台服务器，那么宕机后数据只有1/(n*(n-1))的数据能够被准确查找到。
• 负载无法均衡导致集体宕机：如果没有及时处理宕机的服务器，那么他的存储任务将会被顺序积累给它的下一个服务器，那么下一个服务器也会很快被压致宕机，如此一来，服务器组很快会集体宕机。

算法思想

一致性哈希算法是使用一定的哈希算法，将大量的数据平均映射到不同的存储目标上，在保证其查找准确性的同时，还要考虑其中一个存储目标失效时，其他存储目标对其责任存储内容的负载均衡。

一致性哈希算法的实现思想不难理解，如图：

1. 用一定的哈希算法（哈希函数等）将一组服务器的多个（数目自己设定）节点随机映射分散到0-2³²之间，由于其随机分布，保证了其数据平均分布的特点；
2. 用同一算法计算要存储数据的键，根据服务器节点确定其存储的服务器结点，由于每次用同一算法计算，所以得出的结果是相同的，使其查找定位准确；
3. 查找数据时，再次用同一算法计算键，并查找服务器的数据结点；
4. 如果有一个服务器宕机，消除其服务器结点，并将数据放在下一个结点上，由于随机节点位置的随机性，所以数据被其他服务器平均负载，也就降低了宕机影响。

需要注意的是，这个环形空间只是一个虚拟空间，只是表示了服务器存储的范围和数据的落点，在进行存储时，我们还要通过查找到的落点，将数据放入对应的服务器进行查改。

算法实现

编程语言我们使用PHP来实现一致性哈希算法：

我们主要用到以下函数：

int crc32 ( string $str )
生成 str 的 32 位循环冗余校验码多项式。这通常用于检查传输的数据是否完整。

string sprintf ( string $format [, mixed $args [, mixed $... ]] )
通过传入的格式产生字符串的特定格式形态。

实现如下：

class Consistance
{
    protected $num=24;          //设定每一个服务器的节点数，数量越多，宕机时服务器负载就会分布得越平均，但也增大数据查找消耗。
    protected $nodes=array();   //当前服务器组的结点列表。

    //计算一个数据的哈希值，用以确定位置
    public function make_hash($data)
    {
        return sprintf('%u',crc32($data));
    }

    //遍历当前服务器组的节点列表，确定需要存储/查找的服务器
    public function set_loc($data)
    {
        $loc=self::make_hash($data);
        foreach ($this->nodes as $key => $val)
        {
            if($loc<=$key)
            {
                return $val;
            }
        }
    }

    //添加一个服务器，将其结点添加到服务器组的节点列表内。
    public function add_host($host)
    {
        for($i=0;$i<$this->num;$i++)
        {
            $key=sprintf('%u',crc32($host.'_'.$i));
            $this->nodes[$key]=$host;   
        }
        ksort($this->nodes);        //对结点排序，这样便于查找。
    }

    //删除一个服务器，并将其对应节点从服务器组的节点列表内移除。
    public function remove_host($host)
    {
        for($i=0;$i<$this->num;$i++)
        {
            $key=sprintf('%u',crc32($host.'_'.$i));
            unset($this->nodes[$key]);
        }
    }
}

我们用以下代码进行测试：

结果如下：

小结

算法的实现到此，我们还可以对算法进行优化，如在服务器数量和每个服务器节点数都很多的情况下，对查找结点的过程进行优化，因为排序好的，可以用二分法进行查找，加快查询效率，这些，仁智各见吧。

另外，虽然nginx服务器有一致性算法的插件，memcache和redis也都有相应的插件，MySQL的中间件有相应的集成，但是了解一致性哈希算法也很有意义。而且，我们也可以对其灵活使用，如对文件等进行分布式管理等等。

如果您觉得本博文对您有帮助，您可以推荐或关注我，如果您有什么问题，可以在下方留言讨论，谢谢。