是一個集中式單點(diǎn)緩存系統(tǒng)，不具備集群功能。此操作主要由客戶端完成。

所以說到分布式，肯定會提到客戶端。看下圖：

簡單來說，這里的客戶端做了一個路由功能，負(fù)責(zé)將不同的請求轉(zhuǎn)發(fā)到對應(yīng)的機(jī)器（實(shí)例）。

那么客戶端如何確定將特定請求轉(zhuǎn)發(fā)到哪臺機(jī)器？

在上面的場景中，我們可以在每次訪問數(shù)據(jù)時根據(jù)緩存key計算出hash值一致性hash算法php開源，然后根據(jù)實(shí)際的機(jī)器數(shù)量來定位我們想要的機(jī)器（這里只是舉例，實(shí)際環(huán)境往往更復(fù)雜），

而且，在存儲數(shù)據(jù)和獲取數(shù)據(jù)時，同一臺機(jī)器定位。它會滿足我們的需求嗎？

是的，正常情況下可以滿足我們的需求，為什么是正常的？

因為在實(shí)際生產(chǎn)環(huán)境中肯定會出現(xiàn)一些意外情況。比如上面三臺機(jī)器中的一臺突然宕機(jī)了，或者我想加一臺，會不會出現(xiàn)這個問題？起來了？

由于機(jī)器數(shù)量的變化，所有原來的緩存無法正確定位，無法再使用。這在一些高并發(fā)系統(tǒng)中往往是致命的。

有沒有更好的方法可以在機(jī)器宕機(jī)的情況下進(jìn)行平滑升級并盡可能保持正常運(yùn)行？

這個當(dāng)然有，就是我們接下來要講的一致性哈希算法。

當(dāng)我第一次看到一致性哈希算法這個詞時，我腦海中的第一反應(yīng)就是上面的實(shí)現(xiàn)。事實(shí)上，事實(shí)并非如此。更準(zhǔn)確地說，一致性哈希算法是一個全局概念模型，是集群部署中的一個很好的解決方案。

一致性哈希算法()早在1997年就已經(jīng)提出，目前在很多服務(wù)器中被廣泛使用，目前比較流行。

它的最終目標(biāo)是在移除或添加機(jī)器時最小化對現(xiàn)有鍵映射關(guān)系的影響。

以下是其實(shí)現(xiàn)原理的細(xì)目分類，網(wǎng)上已經(jīng)有詳細(xì)說明。

考慮到通常的hash算法是映射到一個32位的key值，也就是0~2^32-1次冪的數(shù)值空間；我們可以把這個空間看作是第一個（0）尾（2^32-1）個連接環(huán)，如下圖1所示。

接下來考慮4個對象~，hash函數(shù)計算出的hash值key在環(huán)上的分布如圖2所示。

hash() = key1;

…………

hash() = key4;

基本思路

是將對象映射到相同的哈希值空間，并使用相同的哈希算法。

假設(shè)當(dāng)前有3個單元A、b、C，則映射結(jié)果如圖3所示，將它們排列在對應(yīng)的hash值的hash空間中。

hash(A) = 鍵 A;

…………

hash(C) = 鍵 C;

說到這里，順便提一下哈希計算。一般的方法可以使用機(jī)器的Ip地址或機(jī)器名作為hash輸入。

既然對象和對象都通過相同的哈希算法映射到哈希值空間，接下來要考慮的是如何將對象映射到它。

在這個環(huán)形空間中，如果從對象的key值開始順時針方向，直到遇到一個，那么就將對象存儲在this上，因為對象的hash值和hash值是固定的，所以這個必須是唯一的和確定的。你沒有找到對象的映射方法嗎？ ！

繼續(xù)上面的例子（見圖3），那么按照上面的方法，對象就會被存儲在A上；并對應(yīng)于 C；對應(yīng)b;

前面說過，先hash再計算余數(shù)的方法帶來的大問題是不能滿足單調(diào)性。當(dāng)有變化時，就會失敗，這會對后端服務(wù)器造成巨大的影響。現(xiàn)在讓我們來分析和分析算法。 .

刪除

考慮假設(shè) b 掛斷了電話。根據(jù)上面提到的映射方法，只有那些沿著 b 逆時針遍歷直到下一個（C）的對象才會受到影響，這些對象原本是映射到 b 上的那些對象。

所以這里我們只需要改變對象，重新映射到C；見下圖

添加

考慮添加一個新的D，假設(shè)在這個循環(huán)的hash空間中，D在對象和之間進(jìn)行映射。此時，唯一受影響的將是那些沿 D 逆時針遍歷直到下一個 (b) 的對象（它們是最初映射到 C 的對象的一部分）。將這些對象重新映射到 D。

所以這里我們只需要改變對象，重新映射到D即可；見下圖

另一個考慮Hash算法的指標(biāo)是()一致性hash算法php開源，定義如下：

平衡

平衡意味著可以將哈希結(jié)果盡可能分配到所有的緩沖區(qū)，從而可以使用所有的緩沖區(qū)空間。

哈希算法不保證絕對平衡。如果對象較少，則無法均勻映射對象。例如，在上面的例子中，當(dāng)只部署了A和C時，4個對象中，A只存儲，C存儲，和；分布很不均勻。

為了解決這種情況，引入了“虛擬節(jié)點(diǎn)”的概念，可以定義如下：

“虛擬節(jié)點(diǎn)”（node）是哈希空間中一個實(shí)際節(jié)點(diǎn)的副本（），一個實(shí)際節(jié)點(diǎn)對應(yīng)幾個“虛擬節(jié)點(diǎn)”，這個對應(yīng)的數(shù)字也變成了“副本數(shù)”，“虛擬節(jié)點(diǎn)” “ ”在哈希空間中按哈希值排列。

仍然以僅部署A和C的情況為例，如圖4所示，分布并不均勻。現(xiàn)在我們引入虛擬節(jié)點(diǎn)，將“復(fù)制次數(shù)”設(shè)置為2，即總共會有4個“虛擬節(jié)點(diǎn)”，A1、A2代表A； C1、C2代表C；假設(shè)一個更理想的情況，見下圖

此時對象與“虛擬節(jié)點(diǎn)”的映射關(guān)系為：

-> A2; -> A1; -> C1; -> C2;

所以對象和被映射到A，和被映射到C；平衡得到了很大的改善。

引入“虛擬節(jié)點(diǎn)”后，映射關(guān)系從{ -> node}轉(zhuǎn)化為{ -> node}。查詢對象時的映射關(guān)系如圖所示。

“虛擬節(jié)點(diǎn)”的hash計算可以采用在對應(yīng)節(jié)點(diǎn)的Ip地址加上數(shù)字后綴的方法。例如，假設(shè)A的Ip地址為202.168.14.241。

在引入“虛擬節(jié)點(diǎn)”之前，計算A的hash值：

Hash("202.168.14.241");

引入“虛擬節(jié)點(diǎn)”后，計算“虛擬節(jié)點(diǎn)”點(diǎn)A1和A2的hash值：

Hash("202.168.14.241#1"); // A1

Hash("202.168.14.241#2"); // A2

基本原則是這些。具體分布的理論分析應(yīng)該很復(fù)雜，但一般不使用。

上面有java版本的例子，可以參考。

轉(zhuǎn)載了一個pHp版本的實(shí)現(xiàn)代碼。

C 語言版本

查看本文的一致性哈希算法：

當(dāng)前文章：一個的單點(diǎn)緩存系統(tǒng)是什么？怎么確定把某個具體的請求轉(zhuǎn)發(fā)到對應(yīng)的
URL分享：http://m.newbst.com/news4/294204.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供App設(shè)計、小程序開發(fā)、品牌網(wǎng)站建設(shè)、微信小程序、商城網(wǎng)站、標(biāo)簽優(yōu)化

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)