一致性哈希

由于hash算法结果一般为unsigned int型,因此对于hash函数的结果应该均匀分布在[0,2^32-1]区间,如果我们把一个圆环用2^32 个点来进行均匀切割,首先按照hash(key)函数算出服务器(节点)的哈希值, 并将其分布到0~2^32的圆环上。
用同样的hash(key)函数求出需要存储数据的键的哈希值,并映射到圆环上。然后从数据映射到的位置开始顺时针查找,将数据保存到找到的第一个服务器(节点)上。如图所示:

key1、key2、key3和server1、server2通过hash都能在这个圆环上找到自己的位置,并且通过顺时针的方式来将key定位到 server。按上图来说,key1和key2存储到server1,而key3存储到server2。如果新增一台server,hash后在key1 和key2之间,则只会影响key1(key1将会存储在新增的server上),其它则不变。

虚拟节点

在上图中,很容易看出一个问题,沿顺时针方向看,server2到server1之间的区间跨度大,而server1到server2的区间跨度小,这就会导致一个问题:数据分布不均匀。大部分数据都分配到server1了,只有小部分数据分布在server2。在服务器数据很少的时候,数据不均匀会表现的非常明显。

解决这个问题的方法是使用虚拟节点,一个真实服务器对应多个虚拟节点,所有虚拟节点按hash值分布在一致性哈希圆环上。具体实现方法可以这样做,为真实服务器设置副本数量,然后根据各真实服务器的IP和端口号再加上一个递增的索引数计算hash值。

class RedisCache {public $servers = array();  //真实服务器private $_servers = array();    //虚拟节点const SERVER_REPLICAS = 10000; //服务器副本数量,提高一致性哈希算法的数据分布均匀程度public function __construct( $servers ){$this->servers = $servers;//Redis虚拟节点哈希表foreach ($this->servers as $k => $server) {for ($i = 0; $i < self::SERVER_REPLICAS; $i++) {$hash = crc32($server['host'] . '#' .$server['port'] . '#'. $i);$this->_servers[$hash] = $k;}}ksort($this->_servers);// something else...}
}

  

副本数量可以按真实服务器的数量调节,真实服务器多则副本数量可以设置小一点,真实服务器少则副本数量需要设置多一点。在虚拟节点数量很大的时候,出于性能考虑所以不能使用循环的方法查找key对应的虚拟节点,可以使用二分法快速查找。一个优化的算法是不论副本数量设置为10,100,还是10000的时候,对查找所需要的时间基本是没有影响的。

故障转移

使用一次性哈希实现Redis分布式部署了,还需要考虑系统的可用性和稳定性。需要做到,在某一台或者多台server故障的时候,程序能够自动检测到故障,并将数据重新定位到其它server。

我们可以考虑,根据key查找到的虚拟节点所对应的真实服务器故障的时候,我们在一次性哈希圆环上沿顺时针方向顺移一步,找到下一点虚拟节点对应的真实服务器,将所要存储的数据存放上去。但也很有可能下一个虚拟节点所对应的真实服务器与前一个虚拟节点相同,还是那台故障的服务器,而每次尝试连接故障的redis服务是一个很大的性能开销。所以在第一次检测到故障服务器的时候就需要记录下来,然后在顺移到下一个虚拟节点的时候先判断是不是之前那一台故障的服务器,如果是那就不要再尝试进行连接,直接查找下一个虚拟节点,直到找到可用的服务器将数据存储上去。

完整示例代码

class RedisCache {public $servers = array();  //真实服务器private $_servers = array();    //虚拟节点private $_serverKeys = array();private $_badServers = array(); // 故障服务器列表private $_count = 0;const SERVER_REPLICAS = 10000; //服务器副本数量,提高一致性哈希算法的数据分布均匀程度public function __construct( $servers ){$this->servers = $servers;$this->_count = count($this-> servers);//Redis虚拟节点哈希表foreach ($this ->servers as $k => $server) {for ($i = 0; $i < self::SERVER_REPLICAS; $i++) {$hash = crc32($server[ 'host'] . '#' .$server['port'] . '#'. $i);$this->_servers [$hash] = $k;}}ksort( $this->_servers );$this->_serverKeys = array_keys($this-> _servers);}/*** 使用一致性哈希分派服务器,附加故障检测及转移功能*/    private function getRedis($key){$hash = crc32($key);$slen = $this->_count * self:: SERVER_REPLICAS;// 快速定位虚拟节点$sid = $hash > $this->_serverKeys [$slen-1] ? 0 : $this->quickSearch($this->_serverKeys, $hash, 0, $slen);$conn = false;$i = 0;do {$n = $this->_servers [$this->_serverKeys[$sid]];!in_array($n, $this->_badServers ) && $conn = $this->getRedisConnect($n);$sid = ($sid + 1) % $slen;} while (!$conn && $i++ < $slen);return $conn ? $conn : new Redis();}/*** 二分法快速查找*/private function quickSearch($stack, $find, $start, $length) {if ($length == 1) {return $start;}else if ($length == 2) {return $find <= $stack[$start] ? $start : ($start +1);}$mid = intval($length / 2);if ($find <= $stack[$start + $mid - 1]) {return $this->quickSearch($stack, $find, $start, $mid);}else {return $this->quickSearch($stack, $find, $start+$mid, $length-$mid);}}private function getRedisConnect($n=0){static $REDIS = array();if (!$REDIS[$n]){$REDIS[$n] = new Redis();try{$ret = $REDIS[$n]->pconnect( $this->servers [$n]['host'], $this->servers [$n]['port']);if (!$ret) {unset($REDIS[$n]);$this->_badServers [] = $n;return false;}} catch(Exception $e){unset($REDIS[$n]);$this->_badServers [] = $n;return false;}}return $REDIS[$n];}public function getValue($key){try{$getValue = $this->getRedis($key)->get($key);} catch(Exception $e){$getValue = null;}return $getValue;}public function setValue($key,$value,$expire){if($expire == 0){try{$ret = $this->getRedis($key)->set($key, $value);} catch(Exception $e){$ret = false;}} else{try{$ret = $this->getRedis($key)->setex($key, $expire, $value);} catch(Exception $e){$ret = false;}}return $ret;}public function deleteValue($key){return $this->getRedis($key)->delete($key);}public function flushValues(){//TODOreturn true;}
}// Usage:
$redis_servers = array(array('host'       => '10.0.0.1','port'       => 6379,),array('host'       => '10.0.0.2','port'       => 6379,),array('host'       => '10.0.0.3','port'       => 6379,),array('host'       => '10.0.0.3','port'       => 6928,),
);$redisCache = new RedisCache($redis_servers);
$testKey = 'test_key';
$testValue = 'test_value_object';
$redisCache->setValue($testKey, $testValue, 3600);
$value = $redisCache->getValue($testKey);

  

转载于:https://www.cnblogs.com/gpfeisoft/p/5939473.html

Redis分布式部署,一致性hash相关推荐

  1. 一致性哈希 php redis,使用一致性哈希实现Redis分布式部署

    像Memcache以及其它一些内存K/V数据库一样,Redis本身不提供分布式支持,所以在部署多台Redis服务器时,就需要解决如何把数据分散到各个服务器的问题,并且在服务器数量变化时,能做到最大程度 ...

  2. redis系列之——一致性hash算法

    Redis系列目录 redis系列之--分布式锁 redis系列之--缓存穿透.缓存击穿.缓存雪崩 redis系列之--Redis为什么这么快? redis系列之--数据持久化(RDB和AOF) re ...

  3. Redis集群一致性Hash效果的代码演示

    在微服务领域,使用Redis做缓存可并不是一件容易的事情. 像新浪.推特这样的应用,许许多多的热点数据全都存放在Redis这一层,打到DB层的请求并不多,可以说非常依赖缓存了.如果缓存挂掉,流量全部穿 ...

  4. Redis分布式部署

    文章目录 一.软件环境信息 二.安装Redis 三.配置部署Redis分布式集群 四.配置文件整体目录如下 五.启动Redis各节点 六.创建Redis集群 七.查看集群配置信息 引言:没想好 一.软 ...

  5. Redis的分布式部署

    该文章从存储的分布式部署常用思路出发,介绍了水平拆分.主从复制这两种核心思路,并介绍了redis的实现,分别是 水平拆分的实现:sharding,将key通过crc16哈希到16384个slot里.s ...

  6. Redis 一致性hash、hash槽

    参考:又被微信问懵了! redis系列之--一致性hash算法_诸葛小猿-CSDN博客_redis一致性hash Redis缓存问题(缓存穿透.缓存击穿.缓存雪崩.hash一致性问题及数据倾斜问题)_ ...

  7. 一致性hash和redis中hash槽的区别

    一致性hash主要用于分布式系统中,用于解决数据选择节点存储.选择节点访问.增删节点后数据的迁移和重分布问题.redis集群并没有使用一致性hash,而是使用了hash槽来解决数据分配的问题. 一致性 ...

  8. redis分布式实现和原理

    文章目录 主从复制: 主从复制原理: 连接阶段: 数据同步节点: offset 过期key处理 主从复制的不足: 哨兵模式: raft算法(选举sentinel的leader) redis的maste ...

  9. 分布式一致性hash算法

    写在前面   在学习Redis的集群内容时,看到这么一句话:Redis并没有使用一致性hash算法,而是引入哈希槽的概念.而分布式缓存Memcached则是使用分布式一致性hash算法来实现分布式存储 ...

最新文章

  1. 顺序表的结构和9个基本运算算法
  2. Enterprise Library深入解析与灵活应用(3):倘若将Unity、PIAB、Exception Handling引入MVP模式.. .. .....
  3. OpenVX, 运算加速库, NVIDIA
  4. Linux DNS | resolv.conf 配置dns解析,重启network丢失
  5. Bootstrap-CSS-按钮-图片-辅助类-响应式
  6. (81)什么是原型验证?
  7. 商业智能BI如何推进制造业转型
  8. python中的类装饰器应用场景_python中的装饰器常用于哪些应用场景
  9. 计算机专业大学排名_2020全国计算机专业大学排名
  10. Java数据类型转换超详解
  11. Android系统上使用ANMPP搭建Nginx+PHP+MySQL+FTP服务(以天猫魔盒TMB100A为例)搭建网站
  12. r语言degseq2_第二次RNA-seq实战总结(3)-用DESeq2进行基因表达差异分析
  13. 常用实验设计方法有哪些?
  14. linux与pe到移动硬盘,几步把WinPE安装到移动硬盘上
  15. python读取手机通讯录_利用python解析手机通讯录
  16. 电脑键盘上各个键的作用
  17. C语言谭浩强第三版第八章例题及课后题:函数
  18. LAMP系列文章之一:泛泛而谈LAMP
  19. 计算机专业英语教程(第二版)Chapter 4 Database Fundamentals
  20. HTML标签之常见格式标签(1)

热门文章

  1. Android安全系列工具
  2. Binder子系统之调试分析(一)
  3. Android Service演义
  4. Mac下安装MariaDB(自用备忘)
  5. JZOJ 3739. 【TJOI2014】匹配
  6. java 初始化一个实体对象_Java 对象初始化
  7. uvalive5986(贪心)
  8. 线段树什么的最讨厌了
  9. spring bean加载过程_Spring源码剖析3:Spring IOC容器的加载过程
  10. jquery ajax error函数和及其参数详细说明