本篇内容介绍了“一致性hash算法有哪些重要性”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

专注于为中小企业提供网站建设、做网站服务,电脑端+手机端+微信端的三站合一,更高效的管理,为中小企业红山免费做网站提供优质的服务。我们立足成都，凝聚了一批互联网行业人才，有力地推动了成百上千家企业的稳健成长，帮助中小企业通过网站建设实现规模扩充和转变。

一致性hash算法是个啥？相信很多老牌程序员都不太清楚，为什么？因为它主要用于负载均衡，解决数据相对一致性问题的。一般公司搞个哈希、轮询、权重都了不得了，用什么一致性哈希算法，但一致性哈希算法是个啥，有点追求的产品经理还是要了解的。

nginx里面有个哈希算法，这个哈希算法的使用场景大概是，我的某一个客户端要一直连到特定后端服务器上，不许变，变了就会出错，如此可以解决我们实际场景中一些问题，比如：session问题，redis缓存数据存储等等。

如果用于缓存场景，普通哈希算法逻辑大概是这样的，如果有10台缓存服务器，客户端 1数据存储在1节点（1模除10）客户端2数据存储在2节点上......客户端11存储在1节点上，以此类推。但忽然有一天，有一台机器老化了，你的总服务器个数变成了9，可想而知，再次做取模运算，可能原来的数据已经不在，可能你会说，没关系啊，数据库里面还有一份呢？重新加载下就Ok啦，是的（没见识），如果对于上亿级流量场景，可能就会发生缓存击穿问题，导致一连串的崩溃。

这时就轮到一致性hash算法上场了，其实一致性hash算法思想和实现非常简单，每每想到一致性哈希算法，大家都应该想到这个环（不知道怎么回事，每当我看到这个环，总是想到张衡的地震仪）。

实现该算法的大致思路如下：

1、构造一个哈希环

2、把服务器对应的节点映射到哈希环上

3、客户端请求，顺时针找到该哈希环上的服务器节点

如此，足矣！这么简单的逻辑，用代码实现下吧，首先需要构造一个哈希环，哈希环看起来比较抽象，如何实现？找下规律发现哈希环上放的是一个KV数据对，key是哈希，value是对应的服务器，而且是顺序的，自然就想到了SortedMap。

SortedMap sortedMap = new TreeMap(); 但哈希函数如何实现呢？这个就比较有意思了，这里不过多介绍哈希函数的生成过程，反正你应该选择一个分布相对均匀、区间尽可能大的哈希函数，建议采用ketama或者FNV1_32，FNV代码实现如下：

        final int p = 16777619;
        int hash = (int) 2166136261L;
        for (int i = 0; i < str.length(); i++)
            hash = (hash ^ str.charAt(i)) * p;
        hash += hash << 13;
        hash ^= hash >> 7;
        hash += hash << 3;
        hash ^= hash >> 17;
        hash += hash << 5;

        // 如果算出来的值为负数则取其绝对值  
        if (hash < 0)
            hash = Math.abs(hash);
        return hash;
    }

那么现在如何把服务器节点映射哈希环中呢？且看如下代码实现：

 for (int i = 0; i < servers.length; i++) {
            int hash = FNVHash(servers[i]);
            sortedMap.put(hash, servers[i]);
}```

当然客户端请求过来只需要计算客户端的哈希值，顺时针旋转找到对应的服务端节点即可，如下为代码实现：

```private static String getServer(String key) {
    //得到该key的hash值  
    int hash = FNVHash(key);
    //得到大于该Hash值的所有Map  
    SortedMap subMap = sortedMap.tailMap(hash);
    if (subMap.isEmpty()) {
        //如果没有比该key的hash值大的，则从第一个node开始  
        Integer i = sortedMap.firstKey();
        //返回对应的服务器  
        return sortedMap.get(i);
    } else {
        //第一个Key就是顺时针过去离node最近的那个结点  
        Integer i = subMap.firstKey();
        //返回对应的服务器  
        return subMap.get(i);
    }
}

总结来说，假设有k个节点，数据的取值范围就是[0, n]，我们把[0,n]划分为m个区间，m远远大于k，那么每个机器就负责m/k个区间。这样如果有将几个小区间的数据迁移到新区间上，既保证了数据的一致性，也保证了数据的均衡。简单来说，先根据机器IP生成哈希值，当客户端数据key进来时，进行哈希操作，落到圆环中的某一点，顺时针旋转落到第一个节点上。

这个时候你可能会发现一个问题，如果说节点过于稀疏，那么很可能所有数据都落到一个节点上，导致数据倾斜，这个时候可以考虑虚拟节点。虚拟节点的添加实现也非常简单，大致思路是构造哈希环的过程中使用虚拟节点，取出虚拟节点，最后找到对应的真实节点即可。

“一致性hash算法有哪些重要性”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注创新互联网站，小编将为大家输出更多高质量的实用文章！

网站栏目：一致性hash算法有哪些重要性
分享路径：http://ybzwz.com/article/jojjso.html