很多同學(xué)應(yīng)該都知道什么是哈希函數(shù)，在后端面試和開發(fā)中會遇到「一致性哈希」，那么什么是一致性哈希呢？名字聽起來很厲害的樣子，其實(shí)原理并不復(fù)雜，這篇文章帶你徹底搞懂一致性哈希！

進(jìn)入主題前，先來一場緊張刺激的模擬面試吧。

模擬面試

面試官：看你簡歷上寫參與了一個(gè)大型項(xiàng)目，用到了分布式緩存集群，那你說說你們是怎么做緩存負(fù)載均衡？

萌新 ：這個(gè)我知道，我們用的是輪詢方式，第一個(gè)key 給第一個(gè)存儲節(jié)點(diǎn)，第二個(gè) key 給第二個(gè)，以此類推。

面試官：還有其他解決方案嗎？

萌新：可以用哈希函數(shù)，把請求打散隨機(jī)分配到緩存集群內(nèi)機(jī)器。

面試官：考慮過這種哈希方式負(fù)載均衡的擴(kuò)展性和容錯(cuò)性嗎？

萌新：...

面試官：回去等通知吧。

以上如有雷同，算你抄我的。

什么是哈希

數(shù)據(jù)結(jié)構(gòu)中我們學(xué)習(xí)過哈希表也稱為散列表，我們來回顧下散列表的定義。

散列表，是根據(jù)鍵直接訪問在指定儲存位置數(shù)據(jù)的數(shù)據(jù)結(jié)構(gòu)。通過計(jì)算一個(gè)關(guān)于鍵的函數(shù)也稱為哈希函數(shù)，將所需查詢的數(shù)據(jù)映射到表中一個(gè)位置來訪問記錄，加快查找速度。這個(gè)映射函數(shù)稱做「散列函數(shù)」，存放記錄的數(shù)組稱做散列表。

散列函數(shù)能使對一個(gè)數(shù)據(jù)序列的訪問過程更加迅速有效，是一種空間換時(shí)間的算法，通過散列函數(shù)數(shù)據(jù)元素將被更快定位。

下圖示意了字符串經(jīng)過哈希函數(shù)映射到哈希表的過程。沒錯(cuò)，輸入字符串是用臉滾鍵盤打出來的：）

哈希示意圖.png

常見的哈希算法有MD5、CRC 、MurmurHash 等算法，簡單介紹一下。

MD5算法

MD5消息摘要算法（MD5 Message-Digest Algorithm），一種被廣泛使用的密碼散列函數(shù)，可以產(chǎn)生出一個(gè)128位（16字節(jié)）的散列值（hash value），MD5算法將數(shù)據(jù)（如一段文字）運(yùn)算變?yōu)榱硪还潭ㄩL度值，是散列算法的基礎(chǔ)原理。由美國密碼學(xué)家 Ronald Linn Rivest設(shè)計(jì)，于1992年公開并在 RFC 1321 中被加以規(guī)范。

CRC算法

循環(huán)冗余校驗(yàn)（Cyclic Redundancy Check）是一種根據(jù)網(wǎng)絡(luò)數(shù)據(jù)包或電腦文件等數(shù)據(jù)，產(chǎn)生簡短固定位數(shù)校驗(yàn)碼的一種散列函數(shù)，由 W. Wesley Peterson 于1961年發(fā)表。生成的數(shù)字在傳輸或者存儲之前計(jì)算出來并且附加到數(shù)據(jù)后面，然后接收方進(jìn)行檢驗(yàn)確定數(shù)據(jù)是否發(fā)生變化。由于本函數(shù)易于用二進(jìn)制的電腦硬件使用、容易進(jìn)行數(shù)學(xué)分析并且尤其善于檢測傳輸通道干擾引起的錯(cuò)誤，因此獲得廣泛應(yīng)用。

MurmurHash

MurmurHash 是一種非加密型哈希函數(shù)，適用于一般的哈希檢索操作。由 Austin Appleby 在2008年發(fā)明，并出現(xiàn)了多個(gè)變種，與其它流行的哈希函數(shù)相比，對于規(guī)律性較強(qiáng)的鍵，MurmurHash的隨機(jī)分布特征表現(xiàn)更良好。

這個(gè)算法已經(jīng)被很多開源項(xiàng)目使用，比如libstdc++ (4.6版)、Perl、nginx (不早于1.0.1版)、Rubinius、 libmemcached、maatkit、Hadoop等。

常見散列方法

• 直接定址法：取關(guān)鍵字或關(guān)鍵字的某個(gè)線性函數(shù)值為散列地址，這個(gè)線性函數(shù)的定義多種多樣，沒有標(biāo)準(zhǔn)。

• 數(shù)字分析法：假設(shè)關(guān)鍵字是以r為基的數(shù)，并且哈希表中可能出現(xiàn)的關(guān)鍵字都是事先知道的，則可取關(guān)鍵字的若干數(shù)位組成哈希地址。

• 平方取中法：取關(guān)鍵字平方后的中間幾位為哈希地址。通常在選定哈希函數(shù)時(shí)不一定能知道關(guān)鍵字的全部情況，取其中的哪幾位也不一定合適，而一個(gè)數(shù)平方后的中間幾位數(shù)和數(shù)的每一位都相關(guān)，由此使隨機(jī)分布的關(guān)鍵字得到的哈希地址也是隨機(jī)的，取的位數(shù)由表長決定。

• 折疊法：將關(guān)鍵字分割成位數(shù)相同的幾部分（最后一部分的位數(shù)可以不同），然后取這幾部分的疊加和（舍去進(jìn)位）作為哈希地址。

• 取模法：取關(guān)鍵字被某個(gè)不大于散列表表長 m 的數(shù) p 除后所得的余數(shù)為散列地址。即 hash(key) = key % p（p<= M），不僅可以對關(guān)鍵字直接取模，也可在折疊法、平方取中法等運(yùn)算之后取模。對 p 的選擇很重要，一般取素?cái)?shù)或 m，若 p 選擇不好，容易產(chǎn)生沖突。

緩存系統(tǒng)負(fù)載均衡

在分布式集群緩存的負(fù)載均衡實(shí)現(xiàn)中，比如 memcached 緩存集群，需要把緩存數(shù)據(jù)的 key 利用哈希函數(shù)散列，這樣緩存數(shù)據(jù)能夠均勻分布到各個(gè)分布式存儲節(jié)點(diǎn)上，要實(shí)現(xiàn)這樣的負(fù)載均衡一般可以用哈希算法來實(shí)現(xiàn)。下圖演示了這一分布式存儲過程：

分布式緩存散列存儲示意圖

普通哈希算法負(fù)載均衡

前面我們介紹過各種散列方法，不管是選擇上述哪種散列方法，在這個(gè)應(yīng)用場景下，都是要把緩存數(shù)據(jù)利用哈希函數(shù)均勻的映射到服務(wù)器集群上，我們就選擇簡單的「取模法」來說明這個(gè)過程。

假設(shè)有 3 個(gè)服務(wù)器節(jié)點(diǎn)編號 [0 - 2]，6 個(gè)緩存鍵值對編號 [1 - 6]，則完成哈希映射之后，三個(gè)緩存數(shù)據(jù)映射情況如下：

緩存哈希實(shí)例

每個(gè)連接都均勻的分散到了三個(gè)不同的服務(wù)器節(jié)點(diǎn)上，看起來很完美！

但是，在分布式集群系統(tǒng)的負(fù)載均衡實(shí)現(xiàn)上，這種模型有兩個(gè)問題：

1. 擴(kuò)展能力差

為了動態(tài)調(diào)節(jié)服務(wù)能力，服務(wù)節(jié)點(diǎn)經(jīng)常需要擴(kuò)容縮容。打個(gè)比方，如果是電商服務(wù)，雙十一期間的服務(wù)機(jī)器數(shù)量肯定要比平常大很多，新加進(jìn)來的機(jī)器會使原來計(jì)算的哈希值不準(zhǔn)確，為了達(dá)到負(fù)載均衡的效果，要重新計(jì)算并更新哈希值，對于更新后哈希值不一致的緩存數(shù)據(jù)，要遷移到更新后的節(jié)點(diǎn)上去。

假設(shè)新增了 1 個(gè)服務(wù)器節(jié)點(diǎn)，由原來的 3 個(gè)服務(wù)節(jié)點(diǎn)變成 4 個(gè)節(jié)點(diǎn)編號 [0 - 3]，哈希映射情況如下：

哈希計(jì)算公式：key % 節(jié)點(diǎn)總數(shù) = Hash節(jié)點(diǎn)下標(biāo)
1 % 4 = 1
2 % 4 = 2
3 % 4 = 3
4 % 4 = 0
5 % 4 = 1
6 % 4 = 2

緩存哈希擴(kuò)展性示意圖

2. 容錯(cuò)能力不佳

線上環(huán)境服務(wù)節(jié)點(diǎn)雖然有各種高可用性保證，但還是是有宕機(jī)的可能，即使沒有宕機(jī)也有縮容的需求。不管是宕機(jī)和縮容都可以歸結(jié)為服務(wù)節(jié)點(diǎn)刪除的情況，下面分析下服務(wù)節(jié)點(diǎn)刪除對負(fù)載均衡哈希值的影響。

假設(shè)刪除 1 個(gè)服務(wù)器節(jié)點(diǎn)，由最初的 3 個(gè)服務(wù)節(jié)點(diǎn)變成 2 個(gè)，節(jié)點(diǎn)編號 [0 - 1]，哈希映射情況如下：

哈希計(jì)算公式：key % 節(jié)點(diǎn)總數(shù) = Hash節(jié)點(diǎn)下標(biāo)
1 % 2 = 1
2 % 2 = 0
3 % 2 = 1
4 % 2 = 0
5 % 2 = 1
6 % 2 = 0

緩存哈希容錯(cuò)性示意圖

如圖所見，在這個(gè)例子中，僅僅刪除了一個(gè)服務(wù)節(jié)點(diǎn)，也導(dǎo)致了哈希值的大面積更新，哈希值的更新也是意味著節(jié)點(diǎn)緩存數(shù)據(jù)的遷移（緩存數(shù)據(jù)表示心好累）。

一致性哈希算法負(fù)載均衡

正是由于普通哈希算法實(shí)現(xiàn)的緩存負(fù)載均衡存在擴(kuò)展能力和容錯(cuò)能力差問題，所以我們引入一致性哈希算法，那么什么是一致性哈希呢？先來看下wiki上對一致性Hash的定義

一致哈希由 MIT 的 David Karger 及其合作者提出，現(xiàn)在這一思想已經(jīng)擴(kuò)展到其它領(lǐng)域。在這篇1997年發(fā)表的學(xué)術(shù)論文中介紹了一致哈希如何應(yīng)用于用戶易變的分布式Web服務(wù)中。一致哈希也可用于實(shí)現(xiàn)健壯緩存來減少大型Web應(yīng)用中系統(tǒng)部分失效帶來的負(fù)面影響。

這篇描述一致性哈希的論文發(fā)表于1997年，閱讀無障礙的同學(xué)可以直接看看大佬的論文理解更深刻，附上論文下載鏈接：http://citeseerx.ist./viewdoc/summary?doi=10.1.1.147.1879

一致性hash論文

一句話概括一致性哈希：就是普通取模哈希算法的改良版，哈希函數(shù)計(jì)算方法不變，只不過是通過構(gòu)建環(huán)狀的 Hash 空間代替普通的線性 Hash 空間。具體做法如下：

首先，選擇一個(gè)足夠大的Hash空間（一般是 0 ~ 2^32）構(gòu)成一個(gè)哈希環(huán)。

一致性哈希環(huán)

然后，對于緩存集群內(nèi)的每個(gè)存儲服務(wù)器節(jié)點(diǎn)計(jì)算 Hash 值，可以用服務(wù)器的 IP 或 主機(jī)名計(jì)算得到哈希值，計(jì)算得到的哈希值就是服務(wù)節(jié)點(diǎn)在 Hash 環(huán)上的位置。

節(jié)點(diǎn)哈希

最后，對每個(gè)需要存儲的數(shù)據(jù) key 同樣也計(jì)算一次哈希值，計(jì)算之后的哈希也映射到環(huán)上，數(shù)據(jù)存儲的位置是沿順時(shí)針的方向找到的環(huán)上的第一個(gè)節(jié)點(diǎn)。下圖舉例展示了節(jié)點(diǎn)存儲的數(shù)據(jù)情況，我們下面的說明也是基于目前的存儲情況來展開。

image

原理講完了，來看看為什么這樣的設(shè)計(jì)能解決上面普通哈希的兩個(gè)問題。

擴(kuò)展能力提升

前面我們分析過，普通哈希算法當(dāng)需要擴(kuò)容增加服務(wù)節(jié)點(diǎn)的時(shí)候，會導(dǎo)致原油哈希映射大面積失效?，F(xiàn)在，我們來看下一致性哈希是如何解決這個(gè)問題的。

如下圖所示，當(dāng)緩存服務(wù)集群要新增一個(gè)節(jié)點(diǎn)node3時(shí)，受影響的只有 key3 對應(yīng)的數(shù)據(jù) value3，此時(shí)只需把 value3 由原來的節(jié)點(diǎn) node0 遷移到新增節(jié)點(diǎn) node3 即可，其余節(jié)點(diǎn)存儲的數(shù)據(jù)保持不動。

容錯(cuò)能力提升

普通哈希算法當(dāng)某一服務(wù)節(jié)點(diǎn)宕機(jī)下線，也會導(dǎo)致原來哈希映射的大面積失效，失效的映射觸發(fā)數(shù)據(jù)遷移影響緩存服務(wù)性能，容錯(cuò)能力不足。一起來看下一致性哈希是如何提升容錯(cuò)能力的。

如下圖所示，假設(shè) node2 節(jié)點(diǎn)宕機(jī)下線，則原來存儲于 node2 的數(shù)據(jù) value2 和 value5 ，只需按順時(shí)針方向選擇新的存儲節(jié)點(diǎn) node0 存放即可，不會對其他節(jié)點(diǎn)數(shù)據(jù)產(chǎn)生影響。一致性哈希能把節(jié)點(diǎn)宕機(jī)造成的影響控制在順時(shí)針相鄰節(jié)點(diǎn)之間，避免對整個(gè)集群造成影響。

一致性哈希-刪除節(jié)點(diǎn)

一致性哈希優(yōu)化

存在的問題

上面展示了一致性哈希如何解決普通哈希的擴(kuò)展和容錯(cuò)問題，原理比較簡單，在理想情況下可以良好運(yùn)行，但在實(shí)際使用中還有一些實(shí)際問題需要考慮，下面具體分析。

數(shù)據(jù)傾斜

試想一下若緩存集群內(nèi)的服務(wù)節(jié)點(diǎn)比較少，就像我們例子中的三個(gè)節(jié)點(diǎn)，而哈希環(huán)的空間又有很大（一般是 0 ~ 2^32），這會導(dǎo)致什么問題呢？

可能的一種情況是，較少的服務(wù)節(jié)點(diǎn)哈希值聚集在一起，比如下圖所示這種情況 node0 、node1、node2 聚集在一起，緩存數(shù)據(jù)的 key 哈希都映射到 node2 的順時(shí)針方向，數(shù)據(jù)按順時(shí)針尋找存儲節(jié)點(diǎn)就導(dǎo)致全都存儲到 node0 上去，給單個(gè)節(jié)點(diǎn)很大的壓力！這種情況稱為數(shù)據(jù)傾斜。

一致性哈希-數(shù)據(jù)傾斜

節(jié)點(diǎn)雪崩

數(shù)據(jù)傾斜和節(jié)點(diǎn)宕機(jī)都可能會導(dǎo)致緩存雪崩。

拿前面數(shù)據(jù)傾斜的示例來說，數(shù)據(jù)傾斜導(dǎo)致所有緩存數(shù)據(jù)都打到 node0 上面，有可能會導(dǎo)致 node0 不堪重負(fù)被壓垮了，node0 宕機(jī)，數(shù)據(jù)又都打到 node1 上面把 node1 也打垮了，node1 也被打趴傳遞給 node2，這時(shí)候故障就像像雪崩時(shí)滾雪球一樣越滾越大。

還有一種情況是節(jié)點(diǎn)由于各種原因宕機(jī)下線。比如下圖所示的節(jié)點(diǎn) node2 下線導(dǎo)致原本在node2 的數(shù)據(jù)壓到 node0 , 在數(shù)據(jù)量特別大的情況下也可能導(dǎo)致節(jié)點(diǎn)雪崩，具體過程就像剛才的分析一樣。

總之，連鎖反應(yīng)導(dǎo)致的整個(gè)緩存集群不可用，就稱為節(jié)點(diǎn)雪崩。

一致性哈希-節(jié)點(diǎn)雪崩

虛擬節(jié)點(diǎn)

那該如何解決上述兩個(gè)棘手的問題呢？可以通過「虛擬節(jié)點(diǎn)」的方式解決。

所謂虛擬節(jié)點(diǎn)，就是對原來單一的物理節(jié)點(diǎn)在哈希環(huán)上虛擬出幾個(gè)它的分身節(jié)點(diǎn)，這些分身節(jié)點(diǎn)稱為「虛擬節(jié)點(diǎn)」。打到分身節(jié)點(diǎn)上的數(shù)據(jù)實(shí)際上也是映射到分身對應(yīng)的物理節(jié)點(diǎn)上，這樣一個(gè)物理節(jié)點(diǎn)可以通過虛擬節(jié)點(diǎn)的方式均勻分散在哈希環(huán)的各個(gè)部分，解決了數(shù)據(jù)傾斜問題。

由于虛擬節(jié)點(diǎn)分散在哈希環(huán)各個(gè)部分，當(dāng)某個(gè)節(jié)點(diǎn)宕機(jī)下線，他所存儲的數(shù)據(jù)會被均勻分配給其他各個(gè)節(jié)點(diǎn)，避免對單一節(jié)點(diǎn)突發(fā)壓力導(dǎo)致的節(jié)點(diǎn)雪崩問題。

下圖展示了虛擬節(jié)點(diǎn)的哈希環(huán)分布，其中左邊是沒做虛擬節(jié)點(diǎn)情況下的節(jié)點(diǎn)分布，右邊背景色綠色兩個(gè)的 node0 節(jié)點(diǎn)是 node0 節(jié)點(diǎn)的虛擬節(jié)點(diǎn)；背景色紅色的 node1 節(jié)點(diǎn)是 node1 的虛擬節(jié)點(diǎn)。

一致性哈希-虛擬節(jié)點(diǎn)

總結(jié)一下

本文首先介紹了什么是哈希算法和常見的哈希算法，以及常見散列方式，接著說明基于普通哈希算法的緩存負(fù)載均衡實(shí)現(xiàn)，并舉例說明普通算法的擴(kuò)展性和容錯(cuò)性方便存在的問題。

為了解決普通算法的擴(kuò)展性和容錯(cuò)性問題引入一致性哈希算法，圖解和舉例分析了一致性哈希是如何提高擴(kuò)展性和容錯(cuò)性。最后粗糙的一致性哈希算法也存在數(shù)據(jù)傾斜和節(jié)點(diǎn)雪崩的問題，講解了如何利用虛擬節(jié)點(diǎn)優(yōu)化一致性哈希算法，解決數(shù)據(jù)傾斜和雪崩問題。至此，一致性哈希你學(xué)會了嗎？

一致性哈希這個(gè)知識點(diǎn)不難，但是經(jīng)常會考察到，就像布隆過濾器算法一樣，沒聽過的人覺得很高端，研究一下也就那么一回事，所以知識面要寬才能吊打面試官啊同學(xué)們！

感謝各位的閱讀，文章的目的是分享對知識的理解，技術(shù)類文章我都會反復(fù)求證以求最大程度保證準(zhǔn)確性，若文中出現(xiàn)明顯紕漏也歡迎指出，我們一起在探討中學(xué)習(xí)。

如果覺得文章寫的還行，對你有所幫助，不要白票 lemon，動動手指點(diǎn)個(gè)「在看」或「分享」是對我持續(xù)創(chuàng)作的最大支持。

今天的技術(shù)分享就到這里，我們下期再見。