怎么分析一致性HASH算法

今天就跟大家聊聊有关怎么分析一致性HASH算法，可能很多人都不太了解，为了让大家更加了解，小编给大家总结了以下内容，希望大家根据这篇文章可以有所收获。

一致性HASH算法研究

1.引言

在研究Ceph CRUSH算法时，看到有文章说它是一种特殊的一致性HASH算法，于是我便开始研究一致性HASH算法做先期准备，发现理念确实接近，区别在于虚拟节点和物理节点的映射办法不同，这是Ceph的核心算法，非常关键,此处不表，下文分解。

2.一致性HASH的出现背景及其优势

在分布式系统中，常常利用HASH算法进行数据分布，目的是希望将数据均匀的分布到各节点，分担压力，尤其是在缓存系统中。一个典型的设计如下：

2.1场景说明

为了提升系统性能，解决数据库的性能瓶颈，设置N个缓存服务器，将应用和数据库进行隔离，每个缓存服务器负责数据库1/N的数据。应用程序在访问数据时，根据关键字计算得到hash值，并根据一定规则找到数据所在的缓存节点。

2.2最简单模型

最简单的办法是，采用hash(key) mode N的办法计算文件落在的服务器位置，那么在Find Cache Server步骤中，需要增加一个取摸操作，存在的问题是：
集群添加机器，计算公式变为hash(key) / (N + newAddedCount)
集群退出机器，计算公式变为hash(key) / (N - removedCount)
由于计算公式的分母变化，计算值也都将发生变化。通过取摸运算，找到的节点错误，缓存将失效。我们需要一种方法，当对集群扩容，或者从集群中移除失效机器时，只会导致少量的数据失效，可以很快的在正常的机器或者新增的机器上重新构建起缓存。

2.3 一致性HASH模型

基于这个想法，一些专业人士更提出了明确的要求，并形成论文 一致性HASH论文

2.3.1 一致性HASH基本设计思路

一致性哈希构造了一个hash环，将服务器节点映射到环上，将obj也映射到环上，将他们至于同一个空间中（0~2^32-1），针对每一个对象，顺时针查找第一个>=hash(obj)的节点，就是它要存放的目标系统，如果没有找到，按照顺时针，就回归到第一个服务器。

![ 在上图实例中，根据一致性HASH规则，分配后的结果如下：
obj1 ~ obj3归属于Cache Server B；
obj4 ~ obj7归属于Cache Server C;
obj8~obj11归属于Cache Server A.正是按照上述规则分析下来的结果。

但是存在一个数据分布不均衡的问题，在下图中可以看到，大量的数据会落在服务器A上，但是B,C上只有少量数据。数据分布明显不平衡。

为了解决数据不均衡的问题，一致性HASH中引入了虚拟节点，将对象均匀的映射到虚拟节点，再将虚拟节点映射到物理节点。

通过设置大量的虚拟节点，将数据平均分布到虚拟节点上，最终达到平均分布到物理节点上的效果。此处的关键点是：通过为每个物理节点配置虚拟节点，所有的虚拟节点可以平均的散布到hash环上此处一看使用的hash函数；另外看物理节点设置的虚拟节点数量；

此处，一致性hash是符合我们的期望的：

1、平衡性(Balance)：hash后的结果能够平均分布，比如在存储中，数据可以平均分布到各节点，不会出现个别节点数据量特别少，个别特别多的情况；
2、单调性(Monotonicity)：当新增或者移除节点时，要么映射到原来的位置，或者映射到新节点；不会映射到无效节点；

2.3.2 数据分布均衡测试

为了测试一致性hash算法的特性以及虚拟节点对数据分布平衡的影响，我用C++实现了一个一致性hash算法，进行统计试验。

1. 在相同的测试数据，相同的物理节点下，测试不同虚拟节点数量下，数据的分布情况： 测试样本：10000条URL记录，用作对象名称，作为hash函数的输入 采用的hash函数：c++11中默认的std::hash() 数据中虚拟节点数量参数是指每个物理节点对应的虚拟节点数量。

1节点
101.71.4.31:80  764
101.71.4.32:80  2395
101.71.4.33:80  1478
101.71.4.34:80  786
101.71.4.35:80  4577

10节点
101.71.4.31:80  1139
101.71.4.32:80  4862
101.71.4.33:80  1484
101.71.4.34:80  1243
101.71.4.35:80  1272

100节点
101.71.4.31:80  2646
101.71.4.32:80  2576
101.71.4.33:80  1260
101.71.4.34:80  705
101.71.4.35:80  2813

512虚拟节点
101.71.4.31:80  2015
101.71.4.32:80  2038
101.71.4.33:80  1948
101.71.4.34:80  2128
101.71.4.35:80  1871

1024虚拟节点
101.71.4.31:80  2165
101.71.4.32:80  1389
101.71.4.33:80  2045
101.71.4.34:80  2123
101.71.4.35:80  2278

2048节点
101.71.4.31:80  1976
101.71.4.32:80  1939
101.71.4.33:80  1892
101.71.4.34:80  2164
101.71.4.35:80  2029


4096节点
101.71.4.31:80  1972
101.71.4.32:80  2139
101.71.4.33:80  2095
101.71.4.34:80  1879
101.71.4.35:80  1915

从数据可以看到，随着对应的虚拟节点越来越多，数据的分布也越来越平衡，但是虚拟节点到达一定数量后，到达了瓶颈，毕竟不可能实现绝对的平衡。

2.通过增加或者移除节点，查看数据的移动情况： 移除节点 采用1024虚拟节点的情况下，使32节点失效，得到如下的统计结果：

101.71.4.31:80  2392
101.71.4.33:80  2374
101.71.4.34:80  2635
101.71.4.35:80  2599

我对记录文件进行了对比，发现31,33,34,35原来各自属于自身的数据没变，多出来的是32上的数据，被平均分布到了还有效的四台机器。

增加节点，采用1024虚拟节点的情况下，增加36节点，得到如下结果：

101.71.4.31:80  1726
101.71.4.32:80  1271
101.71.4.33:80  1776
101.71.4.34:80  1743
101.71.4.35:80  1768
101.71.4.36:80  1716

我对记录文件进行了对比，发现31,32，33,34,35上的数据还是以前属于他的数据，但是各自有部分迁移到了36机器上。

这两个实验都说明了一致性Hash的单调性。

2.3.3 一致性hash算法实现

//构建带虚拟节点的hash环，对每个真实的物理节点，配置若干虚拟节点，并进行排序
for (RNode node : rnodes)
{
	for (int i = 1; i <= virtual_node_count; i++)
	{
		VNode vnode;
		vnode.ip_port = node.ip_port + "#" + to_string(i);
		vnode.id = myhash(vnode.ip_port);  //虚拟节点在hash环上的映射
		circle.push_back(vnode);
		node.virtual_nodes.push_back(vnode);
	}
}

sort(circle.begin(), circle.end(), cmpVNode);

//计算每个URL落在那个虚拟节点
VNode getLocation(string url, vector<VNode>& vnodes)
{
	VNode tmp;
	tmp.id = myhash(url.c_str());
	vector<VNode>::iterator iter =  std::lower_bound(vnodes.begin(), vnodes.end(), tmp, cmpVNode);

	if (iter == vnodes.end())
	{
		return vnodes[0];
	}else 
	{
		return *iter;
	}
}

//根据虚拟节点，找到对应物理节点
string real_node = getRealNodeInfo(vnode);

3.CRUSHMAP的进一步研究

研究一致性HASH的目的是为了更好的理解Ceph CRUSHMAP算法，此处简单说明Ceph中对象是如何映射到具体设备的某块硬盘上。 在Ceph中，每个对象都属于某个PG，我把这些PG理解为一致性哈希中的虚拟节点，目的是为了让对象分布更均匀。 而pg是如何映射到OSD呢。在上文中，这种映射关系比较简单，就是多对一，在ceph中则比较复杂，因为映射关系依赖于集群的拓扑结构,而每个对象都还有多副本,需要指定的映射算法，计算出pg所在的主OSD以及副本OSD。

看完上述内容，你们对怎么分析一致性HASH算法有进一步的了解吗？如果还想了解更多知识或者相关内容，请关注亿速云行业资讯频道，感谢大家的支持。