背景

在分布式緩存中，我們需要通過一組緩存節(jié)點來提高我們的緩存容量。比如我們有3個Redis節(jié)點：

最簡單的路由規(guī)則是我們計算`Key`的哈希值，然后取模計算目標節(jié)點，比如我們有5個Key，計算出以下哈希值及對應的目標節(jié)點：

如果我們這時候加入一個新的Redis節(jié)點，這時候路由變化如下：

可以看到，我們只是加入了一個節(jié)點，就導致了所有Key的目標節(jié)點被改變了，這樣會導致大量緩存失效，這時請求可能就會都打到數(shù)據(jù)庫里，可能會導致數(shù)據(jù)庫被擊垮，這也就是緩存雪崩問題。

為了解決這個問題，一般我們會使用一致性哈希：

一致性哈希算法

一致性哈希算法經(jīng)常被用于請求路由中，在處理節(jié)點不變的情況下，它能夠把相同的請求路由到相同的處理節(jié)點上。同時還能在處理節(jié)點變動時，讓相同請求盡可能的打到原先相同的處理節(jié)點上。

原理

一致性哈希的原理是把處理節(jié)點通過哈希映射到一個哈希環(huán)上，哈希環(huán)可以理解為一個連續(xù)編號的循環(huán)鏈表，一般會使用長度為32位的哈希值，也就是哈希環(huán)可以映射2^32個值。如下圖所示：

圖中有三個Redis節(jié)點，通過哈希映射到環(huán)上的某個位置。Key也是通過哈希映射到環(huán)上的某個位置，然后向前尋找計算節(jié)點，第一個遇到的就是Key的目標節(jié)點。

這時候如果我們加入一個新的Redis3節(jié)點，可以看到只有Key4的路由改變了，其他的Key的路由都保持不變：

也就是我們新加入的處理節(jié)點，只會影響前面的處理節(jié)點的路由。

改進

可以看到上面的Redis節(jié)點在環(huán)上分布得并不均勻，這樣會導致每個節(jié)點的負載差距過大。為了讓Redis節(jié)點在環(huán)上分布得更加均勻，我們還可以再加入虛擬節(jié)點。讓一個Redis節(jié)點能夠映射到哈希環(huán)上的多個位置，這樣節(jié)點的分布會更加均勻。

可以看到因為每個Redis節(jié)點的映射位置變多了，因此更有可能會分布得更加均勻。圖里每個Redis節(jié)點只有兩個虛擬節(jié)點，主要是不太好畫，實際上我們可能會給每個Redis節(jié)點分配幾十個虛擬節(jié)點，這樣基本上就很均勻了。

實現(xiàn)方式

Golang官方的groupcache庫是一個嵌入式的分布式緩存庫，它里面有一個一致性哈希的實現(xiàn)：https://github.com/golang/groupcache/blob/master/consistenthash/consistenthash_test.go

下面的代碼對這個實現(xiàn)有一些修改。

結(jié)構(gòu)和接口

第一件需要做的事情，就是我們需要把節(jié)點進行哈希得到一個整數(shù)值，這里默認是使用crc32計算一個字節(jié)序列的哈希值，當然也可以自己指定。

哈希環(huán)的結(jié)構(gòu)里面有一個ring數(shù)組，我們使用這個數(shù)組模擬一個哈希環(huán)，當然數(shù)組并不會把最后一個元素鏈接到第一個元素，因此我們需要在邏輯上模擬。里面的nodes則是保存了哈希值到真實節(jié)點字符串的映射，這樣我們在ring數(shù)組里面找到對應的哈希值時才能反過來找到真實節(jié)點。

// 哈希函數(shù)
type Hash func(data []byte) uint32

// 哈希環(huán)
// 注意，非線程安全，業(yè)務需要自行加鎖
type HashRing struct {
	hash Hash
	// 每個真實節(jié)點的虛擬節(jié)點數(shù)量
	replicas int
	// 哈希環(huán)，按照節(jié)點哈希值排序
	ring []int
	// 節(jié)點哈希值到真實節(jié)點字符串，哈希映射的逆過程
	nodes map[int]string
}

添加節(jié)點

可以看到這個方法是把節(jié)點添加到哈希環(huán)里面，這里會為每個節(jié)點創(chuàng)建虛擬節(jié)點，這樣可以分布的更加均勻。

當然這個方法存在一個問題，就是它沒有判斷加入的節(jié)點是否已經(jīng)存在，這樣可能會導致Ring上面存在相同的節(jié)點。

// 添加新節(jié)點到哈希環(huán)
// 注意，如果加入的節(jié)點已經(jīng)存在，會導致哈希環(huán)上面重復，如果不確定是否存在請使用Reset
func (m *HashRing) Add(nodes ...string) {
	for _, node := range nodes {
		// 每個節(jié)點創(chuàng)建多個虛擬節(jié)點
		for i := 0; i < m.replicas; i++ {
			// 每個虛擬節(jié)點計算哈希值
			hash := int(m.hash([]byte(strconv.Itoa(i) + node)))
			// 加入哈希環(huán)
			m.ring = append(m.ring, hash)
			// 哈希值到真實節(jié)點字符串映射
			m.nodes[hash] = node
		}
	}
	// 哈希環(huán)排序
	sort.Ints(m.ring)
}

重置節(jié)點

為了解決上面的問題，我們額外實現(xiàn)了一個重置方法，也就是先清空哈希環(huán)，再添加。當然這樣就必須每次都指定完整的節(jié)點列表。

// 先清空哈希環(huán)再設置
func (r *HashRing) Reset(nodes ...string) {
	// 先清空
	r.ring = nil
	r.nodes = map[int]string{}
	// 再重置
	r.Add(nodes...)
}

獲取Key對應的節(jié)點

這個方法的功能是查詢Key應該路由到哪個節(jié)點，也就是計算Key的哈希值，然后找到哈希值對應的處理節(jié)點（這里需要考慮ring數(shù)組邏輯上是一個環(huán)），然后再根據(jù)這個哈希值去尋找真實處理節(jié)點的字符串。

// 獲取Key對應的節(jié)點
func (r *HashRing) Get(key string) string {
	// 如果哈希環(huán)位空，則直接返回
	if r.Empty() {
		return ""
	}

	// 計算Key哈希值
	hash := int(r.hash([]byte(key)))

	// 二分查找第一個大于等于Key哈希值的節(jié)點
	idx := sort.Search(len(r.ring), func(i int) bool { return r.ring[i] >= hash })

	// 這里是特殊情況，也就是數(shù)組沒有大于等于Key哈希值的節(jié)點
	// 但是邏輯上這是一個環(huán)，因此第一個節(jié)點就是目標節(jié)點
	if idx == len(r.ring) {
		idx = 0
	}

	// 返回哈希值對應的真實節(jié)點字符串
	return r.nodes[r.ring[idx]]
}

總結(jié)

這個一致性哈希的實現(xiàn)非常簡單，功能上也非常簡單（官方的實現(xiàn)甚至沒有Reset()方法），可以通過這個實現(xiàn)理解一致性哈希的原理。也可以直接在業(yè)務中使用它，如果功能不夠再根據(jù)需求進行擴展。

上面代碼地址：https://github.com/jiaxwu/gommon/blob/main/consistenthash/consistenthash.go

到此這篇關(guān)于詳解Golang官方中的一致性哈希組件的文章就介紹到這了,更多相關(guān)Golang一致性哈希內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論