《分布式技术原理与算法解析》学习笔记Day22

哈希与一致性哈希

在分布式系统中，哈希和一致性哈希是数据索引或者数据分布的常见实现方式。

数据分布设计原则

在分布式数据存储系统中，做存储方案选型时，一般会考虑以下因素：

• 数据均匀
• 数据稳定
• 节点异构性
• 隔离故障域
• 性能稳定性

数据均匀有两重含义：

• 不同存储节点中存储的数据要尽量均衡，避免让某一个或者某几个节点存储压力过大，而其他节点几乎没有什么数据。
• 用户访问也要做到均衡，避免出现某一个或者某几个节点的访问量很大，但其他节点却无人问津的情况。

数据稳定是指当存储节点出现故障需要移除或者扩增时，数据按照分布规则得到的结果应该尽量保持稳定，不要出现大范围的数据迁移。

节点异构性是指不同存储节点的硬件配置可能差别很大，这样平均分配数据就是一种不均衡。

隔离故障域是指为了保证数据的可用和可靠性，需要做数据备份，但是如果主数据和备份数据都放到了同一个硬盘或者节点，就违背了备份的初衷。一个好的数据分布算法，应该为每个数据映射一组存储节点，这些节点应该尽量在不同的故障域。

性能稳定是指数据存储和查询的效率要有保证，不能因为节点的添加或者删除，造成存储或者访问性能的严重下降。

数据分布方法

我们会涉及4种不同的数据分布方法。

哈希

哈希是指将数据按照提前规定好的函数映射到相应的存储节点，即进行一个哈希计算，得到的结果就是数据应该存储的节点。

它是一种非常常用的数据分布方法，核心思想是：1）确定一个哈希函数，2）通过计算得到数据对应的存储节点。

哈希算法的一个优点是只要哈希函数设置得当，可以很好的保证数据均匀性，但缺点是稳定性差，当节点数量发生变化时，需要大规模数据迁移。

哈希方法适用于同类型节点且节点数量比较固定的场景。

一致性哈希

一致性哈希也是采取哈希函数，但是进行两步哈希：

1. 对存储节点进行哈希计算，即对存储节点进行哈希映射。
2. 当对数据进行存储或者访问时，首先对数据进行映射得到一个结果，然后找到比该结果大的第一个存储节点，就是该数据应该存储的节点。

一致性哈希将存储节点和数据都映射到一个首尾相连的哈希环上，存储节点可以根据IP地址进行哈希，数据通常按照顺时针方向寻找的方式，来确定自己所属的存储节点，即从数据映射在环上的位置开始，顺时针方向找到的第一个存储节点。

一致性哈希是对哈希方法的改进，在数据存储时采用哈希方式确定存储位置的基础上，又增加了一层哈希，也就是在数据存储前，对存储节点预先进行了哈希映射。

这种改进很好的解决哈希方法存在的稳定性问题，当节点加入或退出时，仅影响该节点在哈希环上顺时针相邻的后继节点。

一致性哈希带来的主要问题是均匀性问题，即对后继节点的负载会变大，当有节点退出时，该节点的后继节点需要承担该节点的所有负载，如果后继节点承受不住，便会出现节点故障，导致后继节点的后继节点也面临同样的问题。

一致性哈希方法比较适合同类型节点、节点规模会发生变化的场景。

带有限负载的一致性哈希

带有限负载的一致性哈希方法的核心原理是：给每个存储节点设置一个存储上限值，来控制存储节点添加或者删除造成的数据不均匀。当数据按照一致性哈希算法找到相应的存储节点后，要先判断该存储节点是否达到了存储上限，如果已经达到了上限，则需要继续寻找该存储节点顺时针方向之后的节点进行存储。

带有限负载的一致性哈希方法适合同类型节点、节点规模会发生变化的场景。

带虚拟节点的一致性哈希

带虚拟节点的一致性哈希方法的核心思想是：根据每个节点的性能，为每个节点划分不同数量的虚拟节点，并将这些虚拟节点映射到哈希环中，然后再按照一致性哈希算法进行数据映射和存储。

带虚拟节点的一致性哈希方法比较适合异构节点、节点规模会发生变化的场景。

这种方法不仅解决了节点异构性问题，还提高了系统稳定性，当节点发生变化时，会有多个节点共同分担系统的变化。但是这种方法需要维护虚拟节点，增加了维护和管理的复杂度，同时，节点变化带来的数据迁移等操作也会变得复杂。

下面是4种不同的数据分片方法的详细比较。

数据分区和数据分片的区别

数据分区是从数据存储块的维度进行划分，不同的分区在物理上归属于不同的节点。数据分区中可以存储不同的数据，也可以存储相同的数据来实现数据备份。

数据分片是从数据维度进行划分，它将一个数据结合按照一定的方式划分成多个数据子集，不同的数据子集存储在不同的存储块上，这些存储块可以在不同的节点上，也可以在同一个节点上。

数据分区和数据分片是两个不同的概念，属于分布式存储系统中不同角色的技术。数据分区是“数据存储”相关的技术，数据分片是“数据索引”相关的技术。