一致性哈希算法

原文地址：http://www.blogjava.net/hello-yun/archive/2012/10/10/389289.html

一致性哈希算法是分布式系统中常用的算法。比如，一个分布式的存储系统，要将数据存储到具体的节点上，如果采用普通的hash方法，将数据映射到具体的节点上，如key%N，key是数据的key，N是机器节点数，如果有一个机器加入或退出这个集群，则所有的数据映射都无效了，如果是持久化存储则要做数据迁移，如果是分布式缓存，则其他缓存就失效了。
    因此，引入了一致性哈希算法：





把数据用hash函数（如MD5），映射到一个很大的空间里，如图所示。数据的存储时，先得到一个hash值，对应到这个环中的每个位置，如k1对应到了图中所示的位置，然后沿顺时针找到一个机器节点B，将k1存储到B这个节点中。

如果B节点宕机了，则B上的数据就会落到C节点上，如下图所示：




这样，只会影响C节点，对其他的节点A，D的数据不会造成影响。然而，这又会造成一个“雪崩”的情况，即C节点由于承担了B节点的数据，所以C节点的负载会变高，C节点很容易也宕机，这样依次下去，这样造成整个集群都挂了。

       为此，引入了“虚拟节点”的概念：即把想象在这个环上有很多“虚拟节点”，数据的存储是沿着环的顺时针方向找一个虚拟节点，每个虚拟节点都会关联到一个真实节点，如下图所使用：


图中的A1、A2、B1、B2、C1、C2、D1、D2都是虚拟节点，机器A负载存储A1、A2的数据，机器B负载存储B1、B2的数据，机器C负载存储C1、C2的数据。由于这些虚拟节点数量很多，均匀分布，因此不会造成“雪崩”现象。



Java实现：

[java] view plaincopyprint?
public class Shard<S> { // S类封装了机器节点的信息 ，如name、password、ip、port等  
 
    private TreeMap<Long, S> nodes; // 虚拟节点  
    private List<S> shards; // 真实机器节点  
    private final int NODE_NUM = 100; // 每个机器节点关联的虚拟节点个数  
 
    public Shard(List<S> shards) { 
        super(); 
        this.shards = shards; 
        init(); 
    } 
 
    private void init() { // 初始化一致性hash环  
        nodes = new TreeMap<Long, S>(); 
        for (int i = 0; i != shards.size(); ++i) { // 每个真实机器节点都需要关联虚拟节点  
            final S shardInfo = shards.get(i); 
 
            for (int n = 0; n < NODE_NUM; n++) 
                // 一个真实机器节点关联NODE_NUM个虚拟节点  
                nodes.put(hash("SHARD-" + i + "-NODE-" + n), shardInfo); 
 
        } 
    } 
 
    public S getShardInfo(String key) { 
        SortedMap<Long, S> tail = nodes.tailMap(hash(key)); // 沿环的顺时针找到一个虚拟节点  
        if (tail.size() == 0) { 
            return nodes.get(nodes.firstKey()); 
        } 
        return tail.get(tail.firstKey()); // 返回该虚拟节点对应的真实机器节点的信息  
    } 
 
    /**
     *  MurMurHash算法，是非加密HASH算法，性能很高，
     *  比传统的CRC32,MD5，SHA-1（这两个算法都是加密HASH算法，复杂度本身就很高，带来的性能上的损害也不可避免）
     *  等HASH算法要快很多，而且据说这个算法的碰撞率很低.
     *  http://murmurhash.googlepages.com/
     */ 
    private Long hash(String key) { 
         
        ByteBuffer buf = ByteBuffer.wrap(key.getBytes()); 
        int seed = 0x1234ABCD; 
         
        ByteOrder byteOrder = buf.order(); 
        buf.order(ByteOrder.LITTLE_ENDIAN); 
 
        long m = 0xc6a4a7935bd1e995L; 
        int r = 47; 
 
        long h = seed ^ (buf.remaining() * m); 
 
        long k; 
        while (buf.remaining() >= { 
            k = buf.getLong(); 
 
            k *= m; 
            k ^= k >>> r; 
            k *= m; 
 
            h ^= k; 
            h *= m; 
        } 
 
        if (buf.remaining() > 0) { 
            ByteBuffer finish = ByteBuffer.allocate(8).order( 
                    ByteOrder.LITTLE_ENDIAN); 
            // for big-endian version, do this first:  
            // finish.position(8-buf.remaining());  
            finish.put(buf).rewind(); 
            h ^= finish.getLong(); 
            h *= m; 
        } 
 
        h ^= h >>> r; 
        h *= m; 
        h ^= h >>> r; 
 
        buf.order(byteOrder); 
        return h; 
    } 
 
}