何为一致性Hash算法

一致性哈希算法（Consistent Hashing）最早在论文《Consistent Hashing and Random Trees: Distributed Caching Protocols for Relieving Hot Spots on the World Wide Web》中被提出。

基本原理

一致性Hash算法是对2³²取模，什么意思呢？简单来说，一致性Hash算法将整个哈希值空间组织成一个虚拟的圆环，如假设某哈希函数H的值空间为0-2³²-1（即哈希值是一个32位无符号整形），整个哈希环如下：

1.jpg

整个空间按顺时针方向组织，圆环的正上方的点代表0，0点右侧的第一个点代表1，以此类推，2、3、4、5、6……直到2³²-1，也就是说0点左侧的第一个点代表2³²-1， 0和2³²-1在零点中方向重合，我们把这个由2³²个点组成的圆环称为Hash环。

下一步将各个服务器使用Hash函数进行一个哈希，具体可以选择服务器的IP或主机名作为关键字进行哈希，这样每台机器就能确定其在哈希环上的位置，这里假设有4台服务器，使用服务器IP地址哈希后在环空间的位置如下：

2.jpg

接下来使用如下算法定位数据访问到相应服务器：将数据key使用相同Hash函数计算出哈希值，并确定此数据在环上的位置，从此位置沿环顺时针“行走”，第一台遇到的服务器就是其应该定位到的服务器！

例如我们有Object A、Object B、Object C、Object D四个数据对象，经过哈希计算后，在环空间上的位置如下：

3.jpg

根据一致性Hash算法，数据A会被定为到Node A上，B被定为到Node B上，C被定为到Node C上，D被定为到Node D上。

一致性Hash算法的容错性和可扩展性

现假设Node C不幸宕机，可以看到此时对象A、B、D不会受到影响，只有C对象被重定位到Node D。一般的，在一致性Hash算法中，如果一台服务器不可用，则受影响的数据仅仅是此服务器到其环空间中前一台服务器（即沿着逆时针方向行走遇到的第一台服务器）之间数据，其它不会受到影响，如下所示：

4.jpg

下面考虑另外一种情况，如果在系统中增加一台服务器Node X，如下图所示：

5.jpg

此时对象Object A、B、D不受影响，只有对象C需要重定位到新的Node X ！一般的，在一致性Hash算法中，如果增加一台服务器，则受影响的数据仅仅是新服务器到其环空间中前一台服务器（即沿着逆时针方向行走遇到的第一台服务器）之间数据，其它数据也不会受到影响。

综上所述，一致性Hash算法对于节点的增减都只需重定位环空间中的一小部分数据，具有较好的容错性和可扩展性。

Hash环的数据倾斜问题

一致性Hash算法在服务节点太少时，容易因为节点分部不均匀而造成数据倾斜（被缓存的对象大部分集中缓存在某一台服务器上）问题，例如系统中只有2台服务器，其环分布如下：

6.jpg

此时必然造成大量数据集中到Node A上，而只有极少量会定位到Node B上。为了解决这种数据倾斜问题，一致性Hash算法引入了虚拟节点机制，即对每一个服务节点计算多个哈希，每个计算结果位置都放置一个此服务节点，称为虚拟节点。具体做法可以在服务器IP或主机名的后面增加编号来实现。

例如上面的情况，可以为每台服务器计算三个虚拟节点，于是可以分别计算 “Node A#1”、“Node A#2”、“Node A#3”、“Node B#1”、“Node B#2”、“Node B#3”的哈希值，于是形成六个虚拟节点：

7.jpg

同时数据定位算法不变，只是多了一步虚拟节点到实际节点的映射，例如定位到“Node A#1”、“Node A#2”、“Node A#3”三个虚拟节点的数据均定位到Node A上。这样就解决了服务节点少时数据倾斜的问题。在实际应用中，通常将虚拟节点数设置为32甚至更大，因此即使很少的服务节点也能做到相对均匀的数据分布。

代码实现

public class ConsistentHash {

    /**
     * 创建Hash环
     * 
     * @param serverInfos
     * @return
     */
    public static Map<Long, ServerInfo> createHashLoop(List<ServerInfo> serverInfos){
        Map<Long, ServerInfo> treeMap = new TreeMap<>();
        for(ServerInfo serverInfo: serverInfos){
            long hash = hash(serverInfo.getIp(), 0);
            treeMap.put(hash, serverInfo);
        }
        return treeMap;
    }

    /**
     * 创建虚拟Hash环
     * 
     * @param serverInfos
     * @param replicaNumber
     * @return
     */
    public static Map<Long, ServerInfo> createVirtualHashLoop(List<ServerInfo> serverInfos, int replicaNumber){
        Map<Long, ServerInfo> virtualTreeMap = new TreeMap<>();
        for(ServerInfo serverInfo: serverInfos){
            String ip = serverInfo.getIp();
            for(int i=0; i<replicaNumber/4; i++){
                for(int h=0; h<4; h++){
                    long hash = hash(ip + "#" + i, h);
                    virtualTreeMap.put(hash, serverInfo);
                }
            }
        }
        return virtualTreeMap;
    }

    /**
     * Hash函数
     * 
     * @param value
     * @param number
     * @return
     */
    public static long hash(String value, int number){
        return hash(md5(value), number);
    }

    public static long hash(byte[] digest, int number) {
        return (((long) (digest[3 + number * 4] & 0xFF) << 24)
                | ((long) (digest[2 + number * 4] & 0xFF) << 16)
                | ((long) (digest[1 + number * 4] & 0xFF) << 8)
                | (digest[number * 4] & 0xFF))
                & 0xFFFFFFFFL;
    }

    public static byte[] md5(String value){
        MessageDigest md5 = null;
        try {
            md5 = MessageDigest.getInstance("MD5");
        } catch (NoSuchAlgorithmException e) {
            e.printStackTrace();
        }
        md5.reset();
        byte[] bytes = value.getBytes(StandardCharsets.UTF_8);
        md5.update(bytes);
        return md5.digest();
    }
}

这里我们没有直接使用String的hashCode方法来进行Hash计算，而是通过md5算法得到16 byte数组，然后从中选取4 byte移位后得到最终的hash值。