聊一聊 什么是一致性哈希算法

为什么会用到哈希？

假如有3GB缓存数据，想要分摊到三台服务器上，如果直接1GB放一台这样做，那么当以后需要查询数据时，是需要遍历三台服务器的所有缓存数据，这样很慢。

我们不妨在分摊的时候，使用哈希进行散列分摊，在查询的时候，进行的同样的操作，就能很快的达到我们想要的效果。

很多类似的场景，都是需要哈希O(1)的查找时间复杂度的。

我们可以设置哈希函数hash = 文件编号%3，给三台服务器分别编号0，1，2 根据哈希结果分别放到这三台服务器上。

上述有什么缺陷？进一步改善

思考一下，上面这样做有什么问题？

• 假如公司预算增加、业务需求扩展，服务器决定增加到5台，如果还想接着用上面的哈希方法，那么原来三台上的数据都是需要去再次hash的。
• 再比如，某台服务器挂掉，那么三台服务器的哈希查找特性都会丢失，缓存全部失效，对系统的影响巨大。

怎么解决？

采用一致性哈希算法。

一致性哈希算法本质也是使用哈希表取模的思想，不同的是，前面是对服务器的数量进行取模，一致性哈希算法是对2^32进行取模。

哈希函数为：hash（服务器A的IP地址） % 2^32

第一步：

将三台服务器的IP地址按照上面的哈希函数分别进行计算，计算结果一定是在0-2^32之间的数，考虑到“取模”运算的性质，完全可以把哈希结果看成是一个环，因为线是由点组成的嘛

第二步:

将缓存通过新的哈希函数：hash（文件名称） % 2^32，映射一下

假如某缓存映射后如下图左下角的红色标记所示，那么代表该文件是需要放到B服务器缓存的，因为它沿顺时针方向遇到的第一个服务器就是B服务器的。

第三步：

当下次想要访问该缓存时，再次使用相同的算法进行计算，便可以找到该缓存是在哪个服务器。

前面说了一致性哈希算法是怎么用的？

言归正传，为什么能解决我们刚才说的场景问题？

首先我们要注意，一致性哈希算法，哈希结果看作是一个环，这是理解问题的关键。

再重述下刚才的情景：
1.三台服务器=》五台服务器，导致之前hash处理过的三台服务器上的文件数据全都丧失哈希查找的特性，需要重新hash

对于这种情况，可以看成环多了几个服务器结点，原有的并不会变，而新缓存则会逐步分摊到五台服务器上。

2.三台服务器=>两台服务器，即有一台服务器B宕机，缓存全部失效。

对于这种情况，原本属于B的缓存会被缓存到其他的缓存服务器，而其他没问题的则与以前一样，不需要rehash

标签：缓存,hash,三台,算法,聊一聊,哈希,一致性,服务器
来源： https://blog.csdn.net/weixin_43889841/article/details/118698447