一致性哈希算法 - Consistent Hashing
- - CSDN博客云计算推荐文章一、简单介绍一致性哈希算法. 分布式存储中，常常涉及到负载均衡问题，由于有多个数据存储服务器. 因此当一个对象被保存时候，它究竟应该存放到哪个数据存储服务器上面呢. 又例如：现在假设有一个网站，最近发现随着流量增加，服务器压力越来越大，之前直接读写数据库的方式已经不能满足用户的访问，于是想引入 Memcached 作为缓存机制.
一致性哈希算法（consistent hashing）
标签：
一致性
哈希
算法
| 发表时间：2014-01-19 15:07 | 作者：Aaron5
出处：http://www.iteye.com
consistent hashing由来？
最初由Karger等人设计。在麻省理工学院用作分布式缓存，现在已经扩大到其他领域。
它被设计来解决hash的什么问题？
假设有m个对象需要被映射到n个node上，简单hash就求余映射hash(object)%n->node，就大致均匀的分布到n个node上了。可是问题在于如果n发生变化（多了或者少了），就必须重新计算保存对象存放到node，这代价未免有点大。consistent hashing就是用来解决这个问题。
一般hash的问题在于，映射关系计算是个死的东西。所以consistent hashing就是要把对象和这个slot和映射关系搞活一点。那么具体是怎么搞活的？
假设有个ring（环），hash(object)和hash(node)都在投影到这个ring上。
映射关系变成：hash(object)->hash(node)，
->（映射关系）是：查找用的是在ring上顺时针查找，找到最近的hash(node)，建立映射关系。
图大概就是这样子的：
如果有个node被咔嚓剪了或者扑哧多了一个，想象下hash(object)像精子一样顺时针沿着ring游动，碰到最近的hash(node)就结合了。基本上只要很少的object需要重新来hash(object) -> hash(node)。
图看着挺好看挺均匀挺和谐的，可是如果我只有两个node，而且好死不死，hash(node)后的值在ring上又紧挨着。。咋整？
问题问的真好
，node少不要怕，在天朝，啥都不知道，造假还有不知道的吗？对，就是造假，明明只有2个node，我们就整他100~1000个（假的成本毕竟低么），如果你胆大不怕查，你也可以多造点。真的node就叫node，假的就叫virtual node（简称vnode）。然后再维护个vnode->node就可以了。
vnode搞越多，越均匀，越好么？
由于查找object所在的vnode需要O(n)步（n为vnode个数），运气不好，查到最后一个才找到，那就悲催了。
consistent hashing可以用来干嘛呢？
大家都知道的分布式cache中常用这个算法。
我学这个算法不是想用来搞cache，而是我想做个的分布式任务调度系统，用来分发任务到zookeeper的znode上。这样我加个znode或者挂掉个znode，也不用怕了。似乎和consistent hashing解决的典型问题是一样样的。
已有 0 人发表留言，猛击->> 这里<<-参与讨论
ITeye推荐
最初由Karger等人设计。在麻省理工学院用作分布式缓存，现在已经扩大到其他领域。
它被设计来解决hash的什么问题？
假设有m个对象需要被映射到n个node上，简单hash就求余映射hash(object)%n->node，就大致均匀的分布到n个node上了。可是问题在于如果n发生变化（多了或者少了），就必须重新计算保存对象存放到node，这代价未免有点大。consistent hashing就是用来解决这个问题。
一般hash的问题在于，映射关系计算是个死的东西。所以consistent hashing就是要把对象和这个slot和映射关系搞活一点。那么具体是怎么搞活的？
假设有个ring（环），hash(object)和hash(node)都在投影到这个ring上。
映射关系变成：hash(object)->hash(node)，
->（映射关系）是：查找用的是在ring上顺时针查找，找到最近的hash(node)，建立映射关系。
图大概就是这样子的：
如果有个node被咔嚓剪了或者扑哧多了一个，想象下hash(object)像精子一样顺时针沿着ring游动，碰到最近的hash(node)就结合了。基本上只要很少的object需要重新来hash(object) -> hash(node)。
图看着挺好看挺均匀挺和谐的，可是如果我只有两个node，而且好死不死，hash(node)后的值在ring上又紧挨着。。咋整？
问题问的真好
，node少不要怕，在天朝，啥都不知道，造假还有不知道的吗？对，就是造假，明明只有2个node，我们就整他100~1000个（假的成本毕竟低么），如果你胆大不怕查，你也可以多造点。真的node就叫node，假的就叫virtual node（简称vnode）。然后再维护个vnode->node就可以了。
vnode搞越多，越均匀，越好么？
由于查找object所在的vnode需要O(n)步（n为vnode个数），运气不好，查到最后一个才找到，那就悲催了。
consistent hashing可以用来干嘛呢？
大家都知道的分布式cache中常用这个算法。
我学这个算法不是想用来搞cache，而是我想做个的分布式任务调度系统，用来分发任务到zookeeper的znode上。这样我加个znode或者挂掉个znode，也不用怕了。似乎和consistent hashing解决的典型问题是一样样的。
已有 0 人发表留言，猛击->> 这里<<-参与讨论
ITeye推荐
相关 [一致性 哈希 算法] 推荐：
一致性哈希算法（consistent hashing）
- - 互联网 - ITeye博客consistent hashing由来. 在麻省理工学院用作分布式缓存，现在已经扩大到其他领域. 它被设计来解决hash的什么问题. 假设有m个对象需要被映射到n个node上，简单hash就求余映射hash(object)%n->node，就大致均匀的分布到n个node上了. 可是问题在于如果n发生变化（多了或者少了），就必须重新计算保存对象存放到node，这代价未免有点大.
“分布式哈希”和“一致性哈希”的概念与算法实现
- Wolf - 搜索研发部官方博客 分布式哈希和一致性哈希是分布式存储和p2p网络中说的比较多的两个概念了. 介绍的论文很多，这里做一个入门性质的介绍. 两个key point：每个节点只维护一部分路由；每个节点只存储一部分数据. 从而实现整个网络中的寻址和存储. DHT只是一个概念，提出了这样一种网络模型. 并且说明它是对分布式存储很有好处的.
一致性哈希算法与Java实现
- - Java - 编程语言 - ITeye博客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.
一致性哈希算法及其在分布式系统中的应用
- BeerBubble - 博客园-EricZhang's Technology Blog本文将会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. 首先本文会描述一个在日常开发中经常会遇到的问题场景，借此介绍一致性哈希算法以及这个算法如何解决此问题；接下来会对这个算法进行相对详细的描述，并讨论一些如虚拟节点等与此算法应用相关的话题.
一个速度快内存占用小的一致性哈希算法
- - 鸟窝这篇论文中提出在动态变化的Cache环境中，哈希算法应该满足的4个适应条件：：Balance(均衡)、Monotonicity(单调性)、Spread(分散性)、Load(负载). 在分布式缓存系统中使用一致性哈希算法时，某个节点的添加和移除不会重新分配全部的缓存，而只会影响小部分的缓存系统，如果均衡性做的好的话，当添加一个节点时，会均匀地从其它节点移一部分缓存到新的节点上；当删除一个节点的时候，这个节点上的缓存会均匀地分配到其它活着的节点上.
_00013 一致性哈希算法 Consistent Hashing 探讨以及相应的新问题出现解决
- - CSDN博客云计算推荐文章一般通常会想到的就是哈希取余了吧. 也就是 Hash（userid）% N (N=12)，这样的话也能适当的减小很多压力了，但是这样的话又会产生一些新的问题，增加节点跟减少节点 ：. 假如有一台Redis服务器挂掉了，那么是否这样 Hash（userid）% N (N=12) 哈希取余到该Redis的数据会全部丢失呢.
一致性HASH算法
- - 企业架构 - ITeye博客一致性 hash 算法（ consistent hashing ）. consistent hashing 算法早在 1997 年就在论文 . Consistent hashing and random trees 中被提出，目前在cache 系统中应用越来越广泛；. 比如你有 N 个 cache 服务器（后面简称 cache ），那么如何将一个对象 object 映射到 N 个 cache 上呢，你很可能会采用类似下面的通用方法计算 object 的 hash 值，然后均匀的映射到到 N 个 cache ；.
利用一致性哈希水平拆分MySql单表
- - snoopyxdy的博客Sharding（切片） 不是一门新技术，而是一个相对简朴的软件理念，就是当我们的数据库单机无法承受高强度的i/o时，我们就考虑利用 sharding 来把这种读写压力分散到各个主机上去. 所以Sharding 不是一个某个特定数据库软件附属的功能，而是在具体技术细节之上的抽象处理，是Horizontal Partitioning 水平扩展(或横向扩展)的解决方案，其主要目的是为突破单节点数据库服务器的 I/O 能力限制，注意这里是突破单点数据库服务器的“I/O”能力.
一致性Hash算法背景(转)
- - 开源软件 - ITeye博客一致性哈希算法在1997年由麻省理工学院的Karger等人在解决分布式Cache中提出的，设计目标是为了解决因特网中的热点(Hot spot)问题，初衷和CARP十分类似. 一致性哈希修正了CARP使用的简单哈希算法带来的问题，使得DHT可以在P2P环境中真正得到应用. 但现在一致性hash算法在分布式系统中也得到了广泛应用，研究过memcached缓存数据库的人都知道，memcached服务器端本身不提供分布式cache的一致性，而是由客户端来提供，具体在计算一致性hash时采用如下步骤：.