前言

之前面试，面试官问到一个问题：“在使用redis分片的时候，redis是如何保证结点在增加或减少的时候，使可用结点的缓存数据还有效的？”
当时没有回答上来，后面查找资料，其实就是关于一致性哈希或环型哈希的算法问题。相关基础可以参照一致性哈希所对应的简介及使用场景这个文档。
自己大概总结了一下相关的内容。

Redis部署

因为一致性哈希要与Redis的分片部署配合使用，所以我先说明一下Redis的部署。

主从部署

因为只部署一个Redis结点，会存在单点故障及负载较大的问题，所以我们常用一主二从三哨兵的部署方案。如下图所示：

屏幕快照 2018-12-28 下午4.57.09.png

其中：

• 主结点master做读写操作。
• 从结点slave同步主结点数据做读操作，可以负担一下主结点的压力。
• 哨兵monitor,监控主结点及从结点的状态，当发现主结点异常时，根据算法及监控数据从从结点中选择一个最优的从点做为主结点，并自动切换，当旧的主结点恢复以后，转为从结点。

Redis分片部署

上述部署方案，并不是一致性哈希所能使用的方案。而是当单个主结点无法高效的处理所有数据的时候，就需要将数据能够根据一定的算法均匀的分布在各个结点中。及有多个主从部署，我这里就称为分片部署。如下图所示：

屏幕快照 2018-12-28 下午5.10.27.png

实现

为了将数据能够均匀的分布在每个分片中，是可以使用哈希算法来解决的。但当增加一个分片或删除一个分片，要使数据还能落在原有结点上，就需要一致性哈希算法了。下面我说明一下我具体的实现。

哈希算法

首先需要一个哈希算法，将字符串转换为2的32次方的数字(long)。具体算法的源代码如下：

import java.nio.ByteBuffer;
import java.nio.ByteOrder;

/**
 * MurMurHash算法，非加密算法，性能高，比传统的CRC32,MD5，SHA-1等快很多，碰撞率很低。
 * http://murmurhash.googlepages.com/
 */
public class HashRingAlgorithm {
    /**
     * 使用一致性hash环算法计算输入参数
     * 
     * @param key
     *            输入参数
     * @return 输入参数在环中位置
     */
    public static final long hash(String key) {
        ByteBuffer buf = ByteBuffer.wrap(key.getBytes());
        int seed = 0x1234ABCD;

        ByteOrder byteOrder = buf.order();
        buf.order(ByteOrder.LITTLE_ENDIAN);

        long m = 0xc6a4a7935bd1e995L;
        int r = 47;
        long h = seed ^ (buf.remaining() * m);
        long k;

        while (buf.remaining() >= 8) {
            k = buf.getLong();

            k *= m;
            k ^= k >>> r;
            k *= m;

            h ^= k;
            h *= m;
        }

        if (buf.remaining() > 0) {
            ByteBuffer finish = ByteBuffer.allocate(8).order(
                    ByteOrder.LITTLE_ENDIAN);
            finish.put(buf).rewind();
            h ^= finish.getLong();
            h *= m;
            h *= m;
        }

        h ^= h >>> r;
        h *= m;
        h ^= h >>> r;

        buf.order(byteOrder);
        return h;
    }
}

当然，也可以使用Java中String类型自带的hashCode方法：

public int hashCode() {
        int h = hash;
        if (h == 0 && value.length > 0) {
            char val[] = value;

            for (int i = 0; i < value.length; i++) {
                h = 31 * h + val[i];
            }
            hash = h;
        }
        return h;
    }

实现哈希环

我是用一个java.util.TreeMap来实现。

   // 形成环的节点数据
    private static TreeMap<Long, String> nodes = new TreeMap<>();

将每个分片的主机名或主机IP加端口等为键值，并为每一个分片结点创建1000个虚拟结点，生成环形哈希值，并存储在TreeMap中。

  // 每个真实节点关联的虚拟节点个数
private static int VIRTUAL_NODE_NUM = 1000;
// 每个数据源节点都需要关联虚拟节点
TreeMap<Long, String> nodes = new TreeMap<>();

    //装载分库hash环
        for (int i = 1; i <= redisNodes.size(); i++) {
            String hostName = redisNodes.get(i).getHostName();
            for (int n = 0; n < VIRTUAL_NODE_NUM; n++) {
                // 一个真实机器节点关联NODE_NUM个虚拟节点
                nodes.put(HashRingAlgorithm.hash("SHARD-" + hostName + "-NODE-" + n), hostName);
            }
        }

从哈希环中取值

将需要存入redis的键通过哈希算法生成哈希值，并调用值入哈希环的TreeMap的tailMap方法。及取出比当前要读写数据的哈希值大的结点信息（顺时针获取哈希环中的分片结点），并取出最近的一个分片结点。

        SortedMap<Long, String> tail = nodes.tailMap(HashRingAlgorithm.hash(shardCode));
        String hostName;
        if (tail.size() == 0) {
            // 无列表时取第一个节点（形成环）
            hostName = nodes.get(nodes.firstKey());
        } else {
            // 返回第一个数据库信息
            hostName = tail.get(tail.firstKey());
        }