一致性散列算法在分布式应用中被广泛使用。主要作用是解决服务的热点问题。例如，在分布式数据存储(如Redis缓存集、状态活动等)中，可以解决请求的热点问题，并缓解服务更改时出现的负载不平衡。

本文简要介绍一致性散列算法，并分析golang的开放源代码实现包(github.com/stathat/consistent)

一致性哈希算法原理

解决的问题

分布式存储通常首先在代理层执行hash，以确保不同系统缓存的数据平衡和负载平衡。一般来说，我们会做模具工作，并将服务分配给其他机器。但是，在这种情况下，如果服务关闭或新系统加入，将直接影响所有系统的缓存。为了解决这个问题，出现了一致性哈希算法。

如何解决

一致性散列算法主要用于解决散列后将值映射到已设置系统的方法。下面是散列阶段。

1.将散列值组织成圆环。通常为[0，2 32-1] 2。均匀选择圆环上的Hash点作为系统的节点。3.访问机器时，Hash接触到圆环上的一点。顺时针访问的个节点是需要访问的机器

这样，当一台机器停机时，停机机器的下一台机器将委托停机机器的存储工作。将系统节点添加到Hash环路中的两个系统节点后，原始节点存储操作将被分为新添加的节点上的部分存储操作。

升华

一般来说，使用上述一致性哈希算法，发生停机时，一台机器做两台机器工作显然是不科学的。因此，虚拟节点的概念也是必需的。将虚拟节点放置在循环中，然后实际服务节点维护多个虚拟节点。此外，一个服务节点的多个虚拟节点必须单独分布。这样，当一个服务节点停机时，多个单独的虚拟节点将从散列循环中消失，这样，正常的系统就可以在保留现有数据的同时，承载停机时间对应的单独节点的负载。

一致哈希算法的golang实现

Github.com/stathat/consistent是golang实施的一致散列算法。

数据结构

在实现中，在分布式缓存中添加了更有用的副本概念。结构如下：

Type Consistent struct {

circle map[uint 32]字串//储存环

Members map[string]bool //成员标记

sorted hashes uints/[]int 32类型显示环的虚拟节点，排序的slice

NumberOfReplicas int //副本数

Count int64 //节点数

划痕[64]字节//未使用

UseFnv bool //标记使用FNV-1a hash

Sync .RWMutex //读写锁定标记

}

设置节点

初始化节点时，必须提供每个节点的名称和副本数。初始化将执行以下任务：

将Hash和node名称之间的映射保存在circle中

将Members显示为true

将散列值放入已排序的sorted hash中

func(c * consistent)set(elts[]string){

C.Lock()

Defer c.Unlock()

For k :=range c.members {//首先删除elts集合中没有的数据

Found :=false

For _，v :=range elts {

If k==v {

Found=true

布雷克

}

}

If！Found {

C.remove(k)

}

}

For _，v :=范围elts {//后面依次添加

_，exists 3360=c . members[v]

If exists {

Continue

}

C.add(v)

}

}

Func (c *一致性)add (ELT string) {

FOR I :=0；I c . NumberOfReplicasI {

c . circle[c . hash key(c . ELT key(ELT，I)]=ELT

}

C.members[elt]=true

更新c . updatesortedhashes()//sorted hashes字段以确认顺序

C.count

}

访问

通过Name映射node时，首先计算hash值，然后通过二进制查找方法从sortedHashes slice中获取该node的hash值，再通过circle映射该node name。

Func (c *一致性)get(名称字符串) (字符串，错误){

C.RLock()

Defer c.RUnlock()

If len(c.circle)==0 {

Return ' '，ErrEmptyCircle

}

密钥3360=C .散列密钥(name)

I:=c.search(键)

return c . circle[c . sorted hashes[I]，nil

}

删除

一个系统停机后，可以删除该节点节点，快速调整服务请求。

Func (c *一致性)remove (ELT string) {

//代码有锁

FOR I :=0；I c . NumberOfReplicasI {

删除(C. circle，C. hash key (C. ELT key (ELT，I)))

}

删除(C. members，ELT)

C.updateSortedHashes()

C.count -

}

摘要

在代码实现中，我们可以看到：

要在环形中找到下一个节点，只需将所有节点的哈希值存储在有序切片中，然后进行平分查询即可。为了保持每个节点数据的平衡，通常会添加更多的虚拟节点，为了保证访问请求的速度，不能添加太多的虚拟节点。例如，在Codis上，虚拟节点默认设置为1024个(当然，还可以配置更多插槽)。

调整一致性散列服务时，可能会过度平滑

分布式缓存服务Redis-Cluster、Codis比较常见的应用程序或服务代理twemproxy等。