ShardedJedis实现学习-我们到底能走多远系列(33)
我们到底能走多远系列(31)
扯淡:
工作是容易的赚钱是困难的
恋爱是容易的成家是困难的
相爱是容易的相处是困难的
决定是容易的可是等待是困难的
主题:
1,Sharded的实现
ShardedJedis是基于一致性哈希算法实现的分布式Redis集群客户端。
关于一致性哈希算法 可以参考 转载文章
Memcached 和 redis 都使用了该算法来实现自己的多服务器均匀分派存储值的。
shardedJedisPool的配置如下:(具体可以参考《spring和redis的整合》)
<bean id="shardedJedisPool" class="redis.clients.jedis.ShardedJedisPool" scope="singleton"> <constructor-arg index="0" ref="jedisPoolConfig" /> <constructor-arg index="1"> <list> <bean class="redis.clients.jedis.JedisShardInfo"> <constructor-arg name="host" value="${redis.host}" /> <constructor-arg name="port" value="${redis.port}" /> <constructor-arg name="timeout" value="${redis.timeout}" /> <constructor-arg name="weight" value="1" /> </bean> </list> </constructor-arg> </bean>
注入了两个对象:jedisPoolConfig 和 JedisShardInfo
然后产生ShardedJedis:
public ShardedJedis getRedisClient() { try { ShardedJedis shardJedis = shardedJedisPool.getResource(); return shardJedis; } catch (Exception e) { log.error("getRedisClent error", e); } return null; }
ShardedJedis 继承 BinaryShardedJedis 继承Sharded<Jedis, JedisShardInfo>
而Sharded的实现就是前面一致性哈希算法的实现啦~
// 使用TreeMap来完成构造出一个很多节点的环形 private TreeMap<Long, S> nodes; // 构造方法 public Sharded(List<S> shards, Hashing algo, Pattern tagPattern) { this.algo = algo; this.tagPattern = tagPattern; // 初始化方法,建立一个个节点 initialize(shards); }
initialize方法:
private void initialize(List<S> shards) { nodes = new TreeMap<Long, S>(); for (int i = 0; i != shards.size(); ++i) { final S shardInfo = shards.get(i); if (shardInfo.getName() == null) for (int n = 0; n < 160 * shardInfo.getWeight(); n++) { nodes.put(this.algo.hash("SHARD-" + i + "-NODE-" + n), shardInfo); } else // 将设置的权重放大160倍,产生更多的节点,因为hash一下就散落到各道各处了,如此就是所谓的虚拟节点,以保证均匀分布 for (int n = 0; n < 160 * shardInfo.getWeight(); n++) { nodes.put(this.algo.hash(shardInfo.getName() + "*" + shardInfo.getWeight() + n), shardInfo); } resources.put(shardInfo, shardInfo.createResource()); } }
redis放key value的时候,需要判断应该放在那个服务器上,就是判断hash后更靠近哪个节点。
public R getShard(byte[] key) { return resources.get(getShardInfo(key)); } public R getShard(String key) { return resources.get(getShardInfo(key)); } //最终调用方法 public S getShardInfo(byte[] key) { // 首先判断是不是tree中最大的key,及最后一个,注意我们是环,所以最大的后面就要从头开始。 SortedMap<Long, S> tail = nodes.tailMap(algo.hash(key)); // 是最后一个key了,所以取第一个节点对应的服务器 if (tail.size() == 0) { return nodes.get(nodes.firstKey()); } // 不是最后一个就是比自己离自己最近的大的key对应的服务器 return tail.get(tail.firstKey()); } public S getShardInfo(String key) { return getShardInfo(SafeEncoder.encode(getKeyTag(key))); }
到这里基本明白了如何抽象实现一个环状的排序的数据结构了。值得借鉴。
2,实践中的一个例子
问题:模拟一个抽奖的效果,随机产生一个范围内的数字,看是否在中奖的区域内来判断是否中奖。 中奖区域分多个层次的奖项。
如图:
|0 -------奖项1--------200|201-------奖项2--------1000|1001-------奖项3-------5000|5001-------没奖---------100000|
使用了TreeMap来实现
从项目里拉出来的代码:
TreeMap<Integer, AwardConfigDO> extentTree = new TreeMap<Integer, AwardConfigDO>(); // 获奖区间划分 for (AwardConfigDO awardConfig : configList) { //Probability是区间节点,如100,500 extentTree.put(awardConfig.getProbability(), awardConfig); } // 进入中奖区 random 是随机产生的数字,首先判断是否进入中奖区 if (random < extentTree.lastKey()) { //然后判断 中奖奖项 是哪个 AwardConfigDO awardConfig = extentTree.higherEntry(random).getValue(); }
所以TreeMap可以来抽象实现这种区间的结构。关于TreeMap可以看API哦。
让我们继续前行
----------------------------------------------------------------------
努力不一定成功,但不努力肯定不会成功。
共勉。
分类: Java, 我们到底能走多远系列