程序員修神之路--分佈式緩存的一條明路（附代碼）

時間 2019-12-06

原文原文鏈接

問題分析

經過以上對話，各位是否可以猜到全部緩存穿透的緣由呢？回答以前咱們先來看一下緩存策略的具體代碼node

緩存服務器IP=hash(key)%服務器數量

這裏還要多說一句，key的取值能夠根據具體業務具體設計。好比，我想要作負載均衡，key能夠爲調用方的服務器IP；獲取用戶信息，key能夠爲用戶ID；等等。程序員

在服務器數量不變的狀況下，以上設計沒有問題。可是要知道，程序員的現實世界是悲慘的，惟一不變的就是業務一直在變。我本無奈，只能靠技術來改變這種情況。算法

假如咱們如今服務器的數量爲10，當咱們請求key爲6的時候，結果是4，如今咱們增長一臺服務器，服務器數量變爲11，當再次請求key爲6的服務器的時候，結果爲5.不難發現，不光是key爲6的請求，幾乎大部分的請求結果都發生了變化，這就是咱們要解決的問題，這也是咱們設計分佈式緩存等相似場景時候主要須要注意的問題。數據庫

咱們終極的設計目標是：在服務器數量變更的狀況下c#

儘可能提升緩存的命中率（轉移的數據最少）
緩存數據儘可能平均分配

解決方案

經過以上的分析咱們明白了，形成大量緩存失效的根本緣由是公式分母的變化，若是咱們把分母保持不變，基本上能夠減小大量數據被移動數組

分母不變方案

若是基於公式：緩存服務器IP=hash(key)%服務器數量咱們保持分母不變，基本上能夠改善現有狀況。咱們選擇緩存服務器的策略會變爲：緩存

緩存服務器IP=hash(key)%N （N爲常數）
N的數值選擇，能夠根據具體業務選擇一個知足狀況的值。好比：咱們能夠確定未來服務器數量不會超過100臺，那N徹底能夠設定爲100。那帶來的問題呢？

目前的狀況能夠認爲服務器編號是連續的，任何一個請求都會命中一個服務器，仍是以上做爲例子，咱們服務器如今不管是10仍是增長到11，key爲6的請求老是能獲取到一臺服務器信息，可是如今咱們的策略公式分母爲100，若是服務器數量爲11，key爲20的請求結果爲20，編號爲20的服務器是不存在的。安全

以上就是簡單哈希策略帶來的問題（簡單取餘的哈希策略能夠抽象爲連續的數組元素，按照下標來訪問的場景）服務器

爲了解決以上問題，業界早已有解決方案，那就是一致性哈希。數據結構

一致性哈希算法在1997年由麻省理工學院的Karger等人在解決分佈式Cache中提出的，設計目標是爲了解決因特網中的熱點(Hot spot)問題，初衷和CARP十分相似。一致性哈希修正了CARP使用的簡單哈希算法帶來的問題，使得DHT能夠在P2P環境中真正獲得應用。

一致性哈希具體的特色，請各位百度，這裏不在詳細介紹。至於解決問題的思路這裏還要強調一下:

首先求出服務器（節點）的哈希值，並將其配置到環上，此環有2^32個節點。
採用一樣的方法求出存儲數據的鍵的哈希值，並映射到相同的圓上。
而後從數據映射到的位置開始順時針查找，將數據保存到找到的第一個服務器上。若是超過2^32仍然找不到服務器，就會保存到第一臺服務器上

當增長新的服務器的時候會發生什麼狀況呢？

經過上圖咱們能夠發現發生變化的只有如黃色部分所示。刪除服務器狀況相似。

經過以上介紹，一致性哈希正是解決咱們目前問題的一種方案。解決方案千萬種，能解決問題即爲好。

優化方案

到目前爲止方案都看似完美，但現實是殘酷的。以上方案雖好，但還存在瑕疵。假如咱們有3臺服務器，理想狀態下服務器在哈希環上的分配以下圖：

可是現實每每是這樣：

這就是所謂的哈希環偏斜。分佈不均勻在某些場景下會依次壓垮服務器，實際生產環境必定要注意這個問題。爲了解決這個問題，虛擬節點應運而生。

如上圖，哈希環上再也不是實際的服務器信息，而是服務器信息的映射信息，好比：ServerA-1,ServerA-2 都映射到服務器A，在環上是服務器A的一個複製品。這種解決方法是利用數量來達到均勻分佈的目的，隨之須要的內存可能會稍微大一點，算是空間換取設計的一種方案。

擴展閱讀

既然是哈希就會有哈希衝突，那多個服務器節點的哈希值相同該怎麼辦呢？咱們能夠採用散列表尋址的方案：從當前位置順時針開始查找空位置，直到找到一個空位置。若是未找到，菜菜認爲你的哈希環是否是該擴容了，或者你的分母參數是否是過小了呢。
在實際的業務中，增長服務器或者減小服務器的操做要比查找服務器少的多，因此咱們存儲哈希環的數據結構的查找速度必定要快，具體說來本質是：自哈希環的某個值起，能快速查找第一個不爲空的元素。
若是你度娘過你就會發現，網上不少介紹虛擬哈希環節點個數爲2^32(2的32次方)，千篇一概。難道除了這個個數就不能夠嗎？在菜菜看來，這個數目徹底必要這麼大，只要符合咱們的業務需求，知足業務數據便可。
一致性哈希用到的哈希函數，不止要保證比較高的性能，還要保持哈希值的儘可能平均分佈，這也是一個工業級哈希函數的要求，一下代碼實例的哈希函數其實不是最佳的，有興趣的同窗能夠優化一下。
有些語言自帶的GetHashCode（）方法應用於一致性哈希是有問題的，例如c#。程序重啓以後同一個字符串的哈希值是變更的。全部須要一個更加穩定的字符串轉int的哈希算法。

一致性哈希解決的本質問題是：相同的key經過相同的哈希函數，能正確路由到相同的目標。像咱們平時用的數據庫分表策略，分庫策略，負載均衡，數據分片等均可以用一致性哈希來解決。

理論結合實際纔是真諦(NetCore代碼)

如下代碼通過少量修改可直接應用於中小項目生產環境

//真實節點的信息
    public abstract class NodeInfo
    {
        public abstract string NodeName { get; }
    }

測試程序所用節點信息：

class Server : NodeInfo
        {
            public string IP { get; set; }
            public override string NodeName
            {
                get => IP;
            }
        }

如下爲一致性哈希核心代碼：

/// <summary>
    /// 1.採用虛擬節點方式  2.節點總數能夠自定義  3.每一個物理節點的虛擬節點數能夠自定義
    /// </summary>
    public class ConsistentHash
    {
        //哈希環的虛擬節點信息
        public class VirtualNode
        {
            public string VirtualNodeName { get; set; }
            public NodeInfo Node { get; set; }
        }

        //添加元素 刪除元素時候的鎖，來保證線程安全，或者採用讀寫鎖也能夠
        private readonly object objLock = new object();

        //虛擬環節點的總數量，默認爲100
        int ringNodeCount;
        //每一個物理節點對應的虛擬節點數量
        int virtualNodeNumber;
        //哈希環，這裏用數組來存儲
        public VirtualNode[] nodes = null;
        public ConsistentHash(int _ringNodeCount = 100, int _virtualNodeNumber = 3)
        {
            if (_ringNodeCount <= 0 || _virtualNodeNumber <= 0)
            {
                throw new Exception("_ringNodeCount和_virtualNodeNumber 必須大於0");
            }
            this.ringNodeCount = _ringNodeCount;
            this.virtualNodeNumber = _virtualNodeNumber;
            nodes = new VirtualNode[_ringNodeCount];
        }
        //根據一致性哈希key 獲取node信息,查找操做請業務方自行處理超時問題，由於多線程環境下，環的node可能全被清除
        public NodeInfo GetNode(string key)
        {
            var ringStartIndex = Math.Abs(GetKeyHashCode(key) % ringNodeCount);
            var vNode = FindNodeFromIndex(ringStartIndex);
            return vNode == null ? null : vNode.Node;
        }
        //虛擬環添加一個物理節點
        public void AddNode(NodeInfo newNode)
        {
            var nodeName = newNode.NodeName;
            int virtualNodeIndex = 0;
            lock (objLock)
            {
                //把物理節點轉化爲虛擬節點
                while (virtualNodeIndex < virtualNodeNumber)
                {
                    var vNodeName = $"{nodeName}#{virtualNodeIndex}";
                    var findStartIndex = Math.Abs(GetKeyHashCode(vNodeName) % ringNodeCount);
                    var emptyIndex = FindEmptyNodeFromIndex(findStartIndex);
                    if (emptyIndex < 0)
                    {
                        // 已經超出設置的最大節點數
                        break;
                    }
                    nodes[emptyIndex] = new VirtualNode() { VirtualNodeName = vNodeName, Node = newNode };
                    virtualNodeIndex++;
                   
                }
            }
        }
        //刪除一個虛擬節點
        public void RemoveNode(NodeInfo node)
        {
            var nodeName = node.NodeName;
            int virtualNodeIndex = 0;
            List<string> lstRemoveNodeName = new List<string>();
            while (virtualNodeIndex < virtualNodeNumber)
            {
                lstRemoveNodeName.Add($"{nodeName}#{virtualNodeIndex}");
                virtualNodeIndex++;
            }
            //從索引爲0的位置循環一遍，把全部的虛擬節點都刪除
            int startFindIndex = 0;
            lock (objLock)
            {
                while (startFindIndex < nodes.Length)
                {
                    if (nodes[startFindIndex] != null && lstRemoveNodeName.Contains(nodes[startFindIndex].VirtualNodeName))
                    {
                        nodes[startFindIndex] = null;
                    }
                    startFindIndex++;
                }
            }

        }


        //哈希環獲取哈希值的方法，由於系統自帶的gethashcode，重啓服務就變了
        protected virtual int GetKeyHashCode(string key)
        {
            var sh = new SHA1Managed();
            byte[] data = sh.ComputeHash(Encoding.Unicode.GetBytes(key));
            return BitConverter.ToInt32(data, 0);

        }

        #region 私有方法
        //從虛擬環的某個位置查找第一個node
        private VirtualNode FindNodeFromIndex(int startIndex)
        {
            if (nodes == null || nodes.Length <= 0)
            {
                return null;
            }
            VirtualNode node = null;
            while (node == null)
            {
                startIndex = GetNextIndex(startIndex);
                node = nodes[startIndex];
            }
            return node;
        }
        //從虛擬環的某個位置開始查找空位置
        private int FindEmptyNodeFromIndex(int startIndex)
        {

            while (true)
            {
                if (nodes[startIndex] == null)
                {
                    return startIndex;
                }
                var nextIndex = GetNextIndex(startIndex);
                //若是索引回到原地，說明找了一圈，虛擬環節點已經滿了，不會添加
                if (nextIndex == startIndex)
                {
                    return -1;
                }
                startIndex = nextIndex;
            }
        }
        //獲取一個位置的下一個位置索引
        private int GetNextIndex(int preIndex)
        {
            int nextIndex = 0;
            //若是查找的位置到了環的末尾，則從0位置開始查找
            if (preIndex != nodes.Length - 1)
            {
                nextIndex = preIndex + 1;
            }
            return nextIndex;
        }
        #endregion
    }

測試生成的節點

ConsistentHash h = new ConsistentHash(200, 5);
            h.AddNode(new Server() { IP = "192.168.1.1" });
            h.AddNode(new Server() { IP = "192.168.1.2" });
            h.AddNode(new Server() { IP = "192.168.1.3" });
            h.AddNode(new Server() { IP = "192.168.1.4" });
            h.AddNode(new Server() { IP = "192.168.1.5" });

            for (int i = 0; i < h.nodes.Length; i++)
            {
                if (h.nodes[i] != null)
                {
                    Console.WriteLine($"{i}===={h.nodes[i].VirtualNodeName}");
                }
            }

輸出結果(還算比較均勻)：

2====192.168.1.3#4
10====192.168.1.1#0
15====192.168.1.3#3
24====192.168.1.2#2
29====192.168.1.3#2
33====192.168.1.4#4
64====192.168.1.5#1
73====192.168.1.4#3
75====192.168.1.2#0
77====192.168.1.1#3
85====192.168.1.1#4
88====192.168.1.5#4
117====192.168.1.4#1
118====192.168.1.2#4
137====192.168.1.1#1
152====192.168.1.2#1
157====192.168.1.5#2
158====192.168.1.2#3
159====192.168.1.3#0
162====192.168.1.5#0
165====192.168.1.1#2
166====192.168.1.3#1
177====192.168.1.5#3
185====192.168.1.4#0
196====192.168.1.4#2

測試一下性能

Stopwatch w = new Stopwatch();
            w.Start();
            for (int i = 0; i < 100000; i++)
            {
                var aaa = h.GetNode("test1");
            }
            w.Stop();
            Console.WriteLine(w.ElapsedMilliseconds);

輸出結果（調用10萬次耗時657毫秒）：