数据缓存设计方案(一致性哈希)

随着数据的分布式存储，如何快速定位数据在集群中的位置，关系到集群的性能。下面介绍常见的分布式存储方式。

---

普通集群

普通集群把固定的key映射到固定的节点上，节点中至只存放各自key的数据。这种方式就需要将key和节点的关系作为一张单独的表格进行维护，当其中一个节点宕机的时候，节点上的数据需要迁移，这个时候这张表格也需要重新维护。 
这种方法的问题也有，当需要查找某一个key对应的节点的时候，我们需要遍历整张表格。查找速度比较慢。

hash集群

为了不想维护上面的表格，降低复杂性和其他开销，容易想到的方法是对数据的key进行哈希，这样我们在查找的时候可以直接取模访问这个节点。 
但是这个方案的问题在于如果某个节点宕机了，那么这个节点的数据就完全不可用了。在迁移的时候往往需要迁移大部分的数据，整个集群的数据也需要重新映射一遍。 
再说了，如果添加节点的话，迁移的工作也非常麻烦。这就提出了一致性哈希的方案。

一致性哈希

一致性哈希是一种算法，简单的说，在移除或者添加一个节点的时候，它可以尽可能小的改变已存在key的映射关系。 
一致性哈希将整个哈希值的空间组织成一个虚拟的圆环，现在假设某个哈希函数Hash的值的空间为0到2^32-1。一致性哈希的算法思想就是使用相同的哈希算法将数据和节点映射到环形哈希空间。 

将数据映射到Hash空间

现在我们将object1、object2、object3、object4四个对象通过特定的Hash函数计算出对应的key值，然后散列到Hash环上。如下图： 
Hash(object1) = key1； 
Hash(object2) = key2； 
Hash(object3) = key3； 
Hash(object4) = key4； 

把机器节点映射到Hash空间

在采用一致性哈希算法的分布式集群中将新的机器加入，其原理是通过使用与对象存储一样的Hash算法将机器也映射到环中（一般情况下对机器的hash计算是采用机器的IP或者机器唯一的别名作为输入值），然后以顺时针的方向计算，将所有对象存储到离自己最近的机器中。 
假设现在有NODE1，NODE2，NODE3三台机器，通过Hash算法得到对应的KEY值，映射到环中，其示意图如下： 
Hash(NODE1) = KEY1; 
Hash(NODE2) = KEY2; 
Hash(NODE3) = KEY3; 

通过上图可以看出对象与机器处于同一哈希空间中，这样按顺时针转动object1存储到了NODE1中，object3存储到了NODE2中，object2、object4存储到了NODE3中。在这样的部署环境中，hash环是不会变更的，因此，通过算出对象的hash值就能快速的定位到对应的机器中，这样就能找到对象真正的存储位置了。

机器的添加和删除

普通hash求余算法最为不妥的地方就是在有机器的添加或者删除之后会照成大量的对象存储位置失效，这样就大大的不满足单调性了。下面来分析一下一致性哈希算法是如何处理的。

1.节点（机器）的删除

以上面的分布为例，如果NODE2出现故障被删除了，那么按照顺时针迁移的方法，object3将会被迁移到NODE3中，这样仅仅是object3的映射位置发生了变化，其它的对象没有任何的改动。如下图： 

2.节点（机器）的添加

如果往集群中添加一个新的节点NODE4，通过对应的哈希算法得到KEY4，并映射到环中，如下图：

 
通过按顺时针迁移的规则，那么object2被迁移到了NODE4中，其它对象还保持这原有的存储位置。通过对节点的添加和删除的分析，一致性哈希算法在保持了单调性的同时，还是数据的迁移达到了最小，这样的算法对分布式集群来说是非常合适的，避免了大量数据迁移，减小了服务器的的压力。

虚拟节点

上面的图解分析，一致性哈希算法满足了单调性和负载均衡的特性以及一般hash算法的分散性，但这还并不能当做其被广泛应用的原由，因为还缺少了平衡性。下面将分析一致性哈希算法是如何满足平衡性的。hash算法是不保证平衡的，如上面只部署了NODE1和NODE3的情况（NODE2被删除的图），object1存储到了NODE1中，而object2、object3、object4都存储到了NODE3中，这样就照成了非常不平衡的状态。在一致性哈希算法中，为了尽可能的满足平衡性，其引入了虚拟节点。

“虚拟节点”（ virtual node ）是实际节点（机器）在 hash 空间的复制品（ replica ），一实际个节点（机器）对应了若干个“虚拟节点”，这个对应个数也成为“复制个数”，“虚拟节点”在 hash 空间中以hash值排列。 
以上面只部署了NODE1和NODE3的情况（NODE2被删除的图）为例，之前的对象在机器上的分布很不均衡，现在我们以2个副本（复制个数）为例，这样整个hash环中就存在了4个虚拟节点，最后对象映射的关系图如下： 
 
根据上图可知对象的映射关系：object1->NODE1-1，object2->NODE1-2，object3->NODE3-2，object4->NODE3-1。通过虚拟节点的引入，对象的分布就比较均衡了。那么在实际操作中，正真的对象查询是如何工作的呢？对象从hash到虚拟节点到实际节点的转换如下图： 

“虚拟节点”的hash计算可以采用对应节点的IP地址加数字后缀的方式。例如假设NODE1的IP地址为192.168.1.100。引入“虚拟节点”前，计算 cache A 的 hash 值： 
Hash(“192.168.1.100”); 
引入“虚拟节点”后，计算“虚拟节”点NODE1-1和NODE1-2的hash值： 
Hash(“192.168.1.100#1”); // NODE1-1 
Hash(“192.168.1.100#2”); // NODE1-2