分佈式系統中的一致性hash初探

　　在分佈式式系統中，爲了分散訪問壓力，每一個模塊須要由多個節點組成集羣，共同來提供服務，客戶端根據必定的負載均衡策略來訪問集羣的各個節點，由此引入了一些問題，如在訪問壓力增大的狀況須要要增長節點，或是集羣其中的一個節點忽然掛掉，如何將原有節點上的請求壓力從新負載到新的節點集羣上。

　　咱們經常使用的負載均衡策略有隨機（加權）、輪詢，最小鏈接數、最短響應時間，哈希，以及咱們今天要說的一致性hash。

1、一致性hash與其餘負載均衡策略的對比

　　首先咱們來分析下一致性hash相對前面幾種負載均衡策略的優點，

　　輪詢：各個服務器的性能可能不一致，該策略將節點視爲等同，與實際中複雜的環境不符。加權輪詢爲輪詢的一個改進策略，每一個節點會有權重屬性，可是由於權重的設置難以作到隨實際狀況變化，仍有必定的不足

　　隨機：與輪詢相似，根據不一樣的隨機算法隨機訪問各個節點，可經過加權作必定擴展。

　　最小響應時間：經過記錄每次請求所需的時間，得出平均的響應時間，而後根據響應時間選擇最小的響應時間。該策略能較好地反應服務器的狀態，可是因爲是平均響應時間的關係，時間上有些滯後，沒法知足快速響應的要求。所以在此基礎之上，會有一些改進版本的策略，如只計算最近若干次的平均時間的策略等

　　最小鏈接數：把請求分配給活動鏈接數最小的後端服務器。它經過活動來估計服務器的負載。比較智能，但須要維護後端服務器的鏈接列表。

　　最小併發數：客戶端的每一次請求服務在服務器停留的時間可能會有較大的差別,隨着工做時間加長,若是採用簡單的輪循或隨機均衡算法,每一臺服務器上的鏈接進程可能會產生較大的不一樣,並無達到真正的負載均衡｡最小併發數的策略則是記錄了當前時刻，每一個備選節點正在處理的事務數，而後選擇併發數最小的節點。該策略可以快速地反應服務器的當前情況，較爲合理地將負責分配均勻，適用於對當前系統負載較爲敏感的場景。

　　哈希：上面幾種負載均衡方式在對於後端來講，有個重要的問題是如果一系列業務的多個請求，會被負載到幾個節點上，不利於統一處理，而相同業務都負載到同一節點還有利於提升緩存命中率，便於維護長鏈接等，常見的hash有hash取模根據業務的須要，將對應屬性取得hash值，而後除以節點個數，取餘數分佈到不一樣對應編號的節點上。可是有個缺點是在增減節點的時候，需將全部的請求從新計算負載節點，較爲耗費資源。

　　

2、一致性hash的背景

　　一致性哈希算法(Consistent Hashing)在1997年由麻省理工學院提出的一種分佈式哈希（DHT）實現算法，設計目標是爲了解決因特網中的熱點(Hot spot)問題。

3、一致性hash的算法實現概要

　　先構造一個長度爲2³²的整數環（這個環被稱爲一致性Hash環），根據節點名稱的Hash值（其分佈爲[0, 2³²-1]）將服務器節點放置在這個Hash環上，而後根據數據的Key值計算獲得其Hash值（其分佈也爲[0, 2³²-1]），接着在Hash環上順時針查找距離這個Key值的Hash值最近的服務器節點，完成Key到服務器的映射查找。