一致性哈希算法及其在分布式系统中的应用

  • 时间:
  • 浏览:2
  • 来源:大发快3官方—UU快三

h = Hash(key) % 3

你这个法律依据我觉得处置了中间提到的另有两个问题,很久 处于你这个其它的问题。是原应将上述法律依据抽象,可不还都可以认为通过:

一另有两个设计良好的分布式哈希方案应该具有良好的单调性,即服务节点的增减后要造成大量哈希重定位。一致性哈希算法可是我 可是我 五种哈希方案。

现假设有一台服务器宕机了,没人为了填补空缺,要将宕机的服务器从编号列表中移除,中间的服务器按顺序前移一位并将其编号值减一,此时每个key就要按h = Hash(key) % (N-1)重新计算;同样,是原应新增了一台服务器,我觉得原有服务器编号后要改变,很久 要按h = Hash(key) % (N+1)重新计算哈希值。很久 系统中一旦有服务器变更,大量的key会被重定位到不同的服务器从而造成大量的缓存不命中。而你这个状况在分布式系统中是非常糟糕的。

假设朋友有一另有两个网站,最近发现随着流量增加,服务器压力没人大,很久直接读写数据库的法律依据不太给力了,于是朋友想引入Memcached作为缓存机制。现在朋友一共有三台机器可不还都可以作为Memcached服务器,如下图所示。

其他人博客已迁移至www.codinglabs.org,本文全文最新地址为http://www.codinglabs.org/html/consistent-hashing.html,欢迎访问!!!

你这个算式计算每个key的请求应该被发送到哪台服务器,其中N为服务器的台数,很久 服务器按照0 – (N-1)编号。

其中Hash是一另有两个从字符串到正整数的哈希映射函数。可是我 ,是原应朋友将Memcached Server分别编号为0、1、2,没人就可不还都可以根据上式和key计算出服务器编号h,很久 去访问。

很显然,最简单的策略是将每一次Memcached请求随机发送到一台Memcached服务器,很久 你这个策略是原应会带来另有两个问题:一是同一份数据是原应被处于不同的机器上而造成数据冗余,二是有是原应某数据是原应被缓存很久 访问却没人命中,是原应无法保证对相同key的所有访问都被发送到相同的服务器。很久 ,随机策略无论是时间带宽还是空间带宽都非常不好。

本文是原应从实际应用场景出发,介绍一致性哈希算法(Consistent Hashing)及其在分布式系统中的应用。首先本文会描述一另有两个在日常开发中时不后要遇到的问题场景,借此介绍一致性哈希算法以及你这个算法要怎样处置此问题;接下来会对你这个算法进行相对完整性的描述,并讨论你这个如虚拟节点等与此算法应用相关一段话题。

你这个算法的问题在于容错性和扩展性不好。所谓容错性是指当系统中某一另有两个或几个服务器变得不可用时,整个系统有无 可不还都可以正确高效运行;而扩展性是指当加入新的服务器后,整个系统有无 可不还都可以正确高效运行。

h = Hash(key) % N

要处置上述问题只需做到如下你这个:保证对相同key的访问会被发送到相同的服务器。统统法律依据可不还都可以实现你这个点,最常用的法律依据是计算哈希。你这个对于每次访问,可不还都可以按如下算法计算其哈希值: