redis 第11章 集群算法 redis 第11章 集群算法

2023-05-08

一、哈希取余分区

1~2 亿条数据需要缓存,请问如何设计这个存储案例?

单机单台 100% 不可能,肯定是分布式存储,用 redis 如何落地?

上述问题阿里 P6~P7 工程案例和场景设计类必考题目, 一般业界有 3 种解决方案。

https://file.lulublog.cn/images/3/2023/05/kiE0cX0YC8E5CXCx88Cjl6ihYACf0j.png

2 亿条记录就是 2 亿个 k,v,我们单机不行必须要分布式多机,假设有 3 台机器构成一个集群,用户每次读写操作都是根据公式: hash(key) % N 个机器台数,计算出哈希值,用来决定数据映射到哪一个节点上。

优点:简单粗暴,直接有效,只需要预估好数据规划好节点,例如 3 台、8 台、10 台,就能保证一段时间的数据支撑。使用 Hash 算法让固定的一部分请求落到同一台服务器上,这样每台服务器固定处理一部分请求(并维护这些请求的信息),起到负载均衡+分而治之的作用。

缺点: 原来规划好的节点,进行扩容或者缩容就比较麻烦了额,不管扩缩,每次数据变动导致节点有变动,映射关系需要重新进行计算,在服务器个数固定不变时没有问题,如果需要弹性扩容或故障停机的情况下,原来的取模公式就会发生变化:Hash(key)/3会 变成 Hash(key) /?。此时地址经过取余运算的结果将发生很大变化,根据公式获取的服务器也会变得不可控。 某个 redis 机器宕机了,由于台数数量变化,会导致 hash 取余全部数据重新洗牌。

二、一致性哈希算法分区

2.1、一致性哈希环

一致性Hash 算法背景一致性哈希算法在 1997 年由麻省理工学院中提出的,设计目标是为了解决分布式缓存数据变动和映射问题,某个机器宕机了,分母数量改变了,自然取余数不 OK 了。

提出一致性 Hash 解决方案,目的是当服务器个数发生变动时, 尽量减少影响客户端到服务器的映射关系。

一致性哈希环:一致性哈希算法必然有个 Hash 函数并按照算法产生 Hash 值,这个算法的所有可能哈希值会构成一个全量集,这个集合可以成为一个 hash 空间 [0,2^32-1],这个是一个线性空间,但是在算法中,我们通过适当的逻辑控制将它首尾相连(0 = 2^32),这样让它逻辑上形成了一个环形空间。

它也是按照使用取模的方法,前面介绍的节点取模法是对节点(服务器)的数量进行取模。而一致性Hash 算法是对 2^32 取模,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 0-2^32-1(即哈希值是一个 32 位无符号整形),整个哈希环如下图: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、……直到 2^32-1,也就是说 0 点左侧的第一个点代表 2^32-1, 0 和 2^32-1在零点中方向重合,我们把这个由 2^32 个点组成的圆环称为 Hash 环。

https://file.lulublog.cn/images/3/2023/05/kMIL08Q42599fqiezqiUm8Ifm9cQ9I.jpg

2.2、节点映射

节点映射:将集群中各个 IP 节点映射到环上的某一个位置。

将各个服务器使用 Hash 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。假如 4 个节点 NodeA、B、C、D,经过 IP 地址的哈希函数计算(hash(ip)),使用 IP 地址哈希后在环空间的位置如下:

https://file.lulublog.cn/images/3/2023/05/XIY4OVdOrQo4yYI73dhH83RY8VoyoY.jpg

key 落到服务器的落键规则:当我们需要存储一个 kv 键值对时,首先计算 key 的 hash 值,hash(key),将这个 key 使用相同的函数 Hash 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,并将该键值对存储在该节点上。

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: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。

https://file.lulublog.cn/images/3/2023/05/Oqhq4q1iQ54iqQIi0Z04h25nhDHi5a.jpg

2.3、优点

一致性哈希算法的容错性:假设 Node C 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。简单说,就是 C 挂了,受到影响的只是 B、C 之间的数据,并且这些数据会转移到 D进行存储。

https://file.lulublog.cn/images/3/2023/05/S1Evi4q9VZR2737Te13341TH4Q7vH7.jpg

一致性哈希算法的扩展性:数据量增加了,需要增加一台节点 NodeX,X 的位置在 A 和 B 之间,那收到影响的也就是 A 到 X 之间的数据,重新把 A 到 X 的数据录入到 X 上即可,不会导致 hash 取余全部数据重新洗牌。

https://file.lulublog.cn/images/3/2023/05/YHNRIlN2r3kkEVrWrG2Enzn4hzr2nk.jpg

2.4、缺点

一致性哈希算法的数据倾斜问题(Hash环的数据倾斜问题):一致性 Hash 算法在服务节点太少时,容易因为节点分布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,例如系统中只有两台服务器:

https://file.lulublog.cn/images/3/2023/05/QDl5ZtJ5Wd5dN14N5sH55D33155vJj.jpg

小总结:为了在节点数目发生改变时尽可能少的迁移数据,将所有的存储节点排列在收尾相接的 Hash 环上,每个 key 在计算 Hash 后会顺时针找到临近的存储节点存放。而当有节点加入或退出时仅影响该节点在Hash 环上顺时针相邻的后续节点。

优点:加入和删除节点只影响哈希环中顺时针方向的相邻的节点,对其他节点无影响。

缺点:数据的分布和节点的位置有关,因为这些节点不是均匀的分布在哈希环上的,所以数据在进行存储时达不到均匀分布的效果。

2.5、哈希槽分区

哈希槽分区:为了解决一致性哈希算法的数据倾斜问题。哈希槽实质就是一个数组,数组 [0,2^14 -1] 形成 hash slot 空间。解决均匀分配的问题,在数据和节点之间又加入了一层,把这层称为哈希槽(slot),用于管理数据和节点之间的关系,现在就相当于节点上放的是槽,槽里放的是数据。

https://file.lulublog.cn/images/3/2023/05/E8vib48XAgX5uzU1uA619UcvUDkxze.jpg

槽解决的是粒度问题,相当于把粒度变大了,这样便于数据移动。哈希解决的是映射问题,使用 key 的哈希值来计算所在的槽,便于数据分配。

一个集群只能有 16384 个槽,编号 0-16383(0-2^14-1)。这些槽会分配给集群中的所有主节点,分配策略没有要求。可以指定哪些编号的槽分配给哪个主节点。集群会记录节点和槽的对应关系。解决了节点和槽的关系后,接下来就需要对 key 求哈希值,然后对 16384 取余,余数是几 key 就落入对应的槽里。slot = CRC16(key) % 16384。以槽为单位移动数据,因为槽的数目是固定的,处理起来比较容易,这样数据移动问题就解决了。

哈希槽计算:Redis 集群中内置了 16384 个哈希槽,redis 会根据节点数量大致均等的将哈希槽映射到不同的节点。当需要在 Redis 集群中放置一个 key-value 时,redis 先对 key 使用 crc16 算法算出一个结果,然后把结果对 16384 求余数,这样每个 key 都会对应一个编号在 0-16383 之间的哈希槽,也就是映射到某个节点上。如下代码,key 之 A 、B 在 Node2, key 之 C 落在 Node3 上。

https://file.lulublog.cn/images/3/2023/05/bO3F6nozRRdn63x1rdz3z03doOf1Oo.jpg

https://file.lulublog.cn/images/3/2023/05/EROIAAQyGd6rg6glYZirNaiZZgfYr4.jpg

打赏

取消

感谢您的支持,我会继续努力的!

扫码支持
扫码打赏,你说多少就多少

打开微信扫一扫,即可进行扫码打赏哦

阅读 289