做窗帘网站图片,成都小程序开发外包公司,网站快照怎么做,网站开发一个网站问题分布式哈希一致性的动机是什么#xff1f;相比其他有什么好处概述我们谈论的分布式哈希一致性常常使用在负载均衡#xff0c;权衡一个策略的好坏#xff0c;我们常常谈到扩展性和容错性。我们可以从以下两个方面来考量扩展性 #xff1a;水平扩展和垂直扩展#xff0c…问题分布式哈希一致性的动机是什么相比其他有什么好处概述我们谈论的分布式哈希一致性常常使用在负载均衡权衡一个策略的好坏我们常常谈到扩展性和容错性。我们可以从以下两个方面来考量扩展性 水平扩展和垂直扩展加减一台cluster 是否对整个集群有影响。容错性 假如一台cluster 是否会影响到其他的 cluster,是否可以用比较小的代价进行恢复。负载均衡负载均衡使用的策略 :随机访问策略。系统随机访问服务器负载压力不均衡所以有可能分配的不合理。轮询策略。请求均匀分配如果服务器有性能差异则无法实现性能好的服务器能够多承担一部分。权重轮询策略。权值需要静态配置无法自动调节不适合对长连接和命中率有要求的场景。Hash取模策略。不稳定如果列表中某台服务器宕机则会导致路由算法产生变化由此导致命中率的急剧下降。 一致性哈希策略。Hash取模策略hash取模可以定义为 “ key % n 目标cluster ”,key可以相当于 java 中的hashcode n 则为当前所有集群机器的数量。 但是它的缺点很明显假如使用hash取模策略若增加台cluster(图片来自参考资料)减少台机器可以看到增加台机器会导致key 重新映射那么迁移工作将是巨大的而减少一台也是同样的道理最重要的原因是该策略是依赖机器的数量进行分配目标机器。分布式一致性hash算法直接上图(来源见参考资料)上面是hash环cluster 分布在hash环上请求经过hash 等到的key沿着顺时针第一个到达的节点就是目标cluster .扩展性和容错性假如增加/减少了一台机器对其他的cluster并没有什么影响而某台cluster发生故障后恢复的时候只需要将故障节点的keys 放在沿着hash环下一台节点就可以了。虚拟节点但是我们将节点分布在hash 环上的时候有可能分布不均例如上图服务器1接受的请求在平等条件下肯定比其他的多我们可以通过增设虚拟节点的方式来解决这个问题虚拟节点并不是真实的物理节点是虚构出来的这样可以解决节点在hash 环中不平衡的问题同时也是根据权重不同可以分配多几个虚拟节点。运用rocketmq 集群消费端 和 dubbo (RPC) 对服务提供者负载均衡的时候会使用MySQL 分库分表的实现也是可以使用一致性Hash 算法 (这个在后续的文章中会提到)这里的dubbo中的一致性hash 算法的运用和 数据库的运用有点不同为什么呢 dubbo 是 RPC ,某个节点down 或是增加了节点并没有影响而数据库就不同了数据库存储的是数据某个节点down 了数据就找不到了后续文章再详细说明。具体实现我们看一下 dubbo 中关于hash 一致性算法的实现主要的实现是依靠 TreeMap 的 ceilingEntry 方法 该方法的注解 The ceilingEntry(K key) method is used to return a key-value mapping associated with the least key greater than or equal to the given key, or null if there is no such key.就是返回最相近的值这和 一致性 hash 算法的key 绕着圈走到最近的节点思路一致。 dubbo 中的一致性hash实现在 ConsistentHashLoadBalance 类我们直接看 doSelect 方法其中 invokers 就是候选的节点invocation 是调用者的封装最后返回的 Invoker 自然就是目标 invoker .1 public class ConsistentHashLoadBalance extendsAbstractLoadBalance {2 public static final String NAME consistenthash;34 /**5 * Hash nodes name6 */7 public static final String HASH_NODES hash.nodes;89 /**10 * Hash arguments name11 */12 public static final String HASH_ARGUMENTS hash.arguments;1314 private final ConcurrentMap selectors new ConcurrentHashMap();1516 SuppressWarnings(unchecked)17 Override18 protected Invoker doSelect(Listinvokers, URL url, Invocation invocation) {19 String methodName RpcUtils.getMethodName(invocation);20 String key invokers.get(0).getUrl().getServiceKey() . methodName;21 //using the hashcode of list to compute the hash only pay attention to the elements in the list22 int invokersHashCode invokers.hashCode();23 ConsistentHashSelector selector (ConsistentHashSelector) selectors.get(key);24 if (selector null || selector.identityHashCode !invokersHashCode) {25 selectors.put(key, new ConsistentHashSelector(invokers, methodName, invokersHashCode));26 selector (ConsistentHashSelector) selectors.get(key);27 }28 //该给 ConsistentHashSelector 方法29 returnselector.select(invocation);30 }3132 private static final class ConsistentHashSelector{3334 private final TreeMapvirtualInvokers;3536 private final intreplicaNumber;3738 private final intidentityHashCode;3940 private final int[] argumentIndex;4142 ConsistentHashSelector(List invokers, String methodName, intidentityHashCode) {43 this.virtualInvokers new TreeMap();44 this.identityHashCode identityHashCode;45 URL url invokers.get(0).getUrl();46 this.replicaNumber url.getMethodParameter(methodName, HASH_NODES, 160);47 String[] index COMMA_SPLIT_PATTERN.split(url.getMethodParameter(methodName, HASH_ARGUMENTS, 0));48 argumentIndex new int[index.length];49 for (int i 0; i index.length; i) {50 argumentIndex[i] Integer.parseInt(index[i]);51 }52 //replicaNumber就是复制的节点默认是 160 假如invokers 的数量是 5 那么总的节点数就是 5*16053 for (Invokerinvoker : invokers) {54 String address invoker.getUrl().getAddress();55 for (int i 0; i replicaNumber / 4; i) {56 byte[] digest md5(address i);57 for (int h 0; h 4; h) {58 long m hash(digest, h);59 //virtualInvokers 是个 TreeMap60 virtualInvokers.put(m, invoker);61 }62 }63 }64 }6566 public Invokerselect(Invocation invocation) {67 String key toKey(invocation.getArguments());68 byte[] digest md5(key);69 return selectForKey(hash(digest, 0));70 }7172 privateString toKey(Object[] args) {73 StringBuilder buf newStringBuilder();74 for (inti : argumentIndex) {75 if (i 0 i 82 private Invoker selectForKey(longhash) {83 //看这里调用 ceilingEntry 方法84 Map.Entry entry virtualInvokers.ceilingEntry(hash);85 if (entry null) {86 entry virtualInvokers.firstEntry();87 }88 returnentry.getValue();89 }9091 private long hash(byte[] digest, intnumber) {92 return (((long) (digest[3 number * 4] 0xFF) 24)93 | ((long) (digest[2 number * 4] 0xFF) 16)94 | ((long) (digest[1 number * 4] 0xFF) 8)95 | (digest[number * 4] 0xFF))96 0xFFFFFFFFL;97 }9899 private byte[] md5(String value) {100 MessageDigest md5;101 try{102 md5 MessageDigest.getInstance(MD5);103 } catch(NoSuchAlgorithmException e) {104 throw newIllegalStateException(e.getMessage(), e);105 }106 md5.reset();107 byte[] bytes value.getBytes(StandardCharsets.UTF_8);108 md5.update(bytes);109 returnmd5.digest();110 }111112 }113114 }上面使用了hash 算法 在和 https://github.com/RJ/ketama 该地址下看到的有点相似这里我们只需要知道hash 的作用是使得使值均匀分布。总结通过本文了解了分布式哈希一致性相对与其他的负载均衡策略的优势。参考资料https://www.acodersjourney.com/system-design-interview-consistent-hashing/https://www.cnblogs.com/jajian/p/10896624.html
