一致性Hash算法原理（手写Hash算法，通俗易懂）

一致性Hash算法应用场景

请求的负载均衡：比如Nginx的ip_hash策略，通过对IP的Hash值来额定将请求转发到哪台Tomcat

分布式存储：比如分布式集群架构Redis、Hadoop、ElasticSearch、Mysql分库分表，数据存入哪台服务器，就可以通过Hash算法来确定

普通Hash算法存在的问题

如果服务器减少或者增多，所有客户端都需要进行重新Hash，然后进行分配。

一致性Hash算法

一条直线上有0到2^32-1，这些正整数。然后我们将其头尾相接，变成一个圆环形成闭环（Hash环）

我们以Nginx的ip_hash分发请求为例说明一致性Hash算法：

对服务器的IP进行hash算法，获取Hash值，然后放到Hash闭环对应位置上；

通过对客户端的IP进行Hash算法获取Hash值，然后顺时针查找距离该Hash最近的服务器，并将请求转发到该服务器。

这样的话服务器进行扩展或者缩减后，比如缩减了一台服务器3，那么服务器3和服务器2之间的请求会被转发到服务器4上，而其他的请求不会受到影响，这就是一致性Hash的好处，将影响程度减小。

PS：这种方式有一个问题

假如就两台服务器，通过Hash算法后位置如下：

服务器1-服务器2之间的客户端请求都转发到了服务器2上，然而其他大量请求都转发到了服务器1上，这就导致服务器1压力过大，这种问题叫做数据倾斜问题。

数据倾斜问题解决

一致性Hash算法引入了虚拟节点机制

具体做法是在服务器IP或者主机名后面增加编号来实现。比如可以为每台服务器计算是哪个虚拟节点，于是可以分别计算“服务器1IP#1，服务器2IP#2，服务器1IP#3，服务器2IP#1，服务器2IP#2，服务器2IP#3”的哈希值，于是形成了6个虚拟节点，如下图

这样的话客户端经过Hash算法后就会被更加均匀的分布在Hash闭环上，请求也会被更加均匀的分发在各个服务器上，从而解决了数据倾斜问题

普通Hash算法代码实现

 

package com.lagou;

/**
 * @ClassName: GeneralHash
 * @Description: 普通Hash算法
 * @Author: qjc
 * @Date: 2021/9/7 6:25 下午
 */
public class GeneralHash {

    public static void main(String[] args) {
        // 客户端IP集合
        String[] clientList = new String[]{"127.1.1.1", "127.1.1.2", "127.1.1.3"};

        // 服务器数量
        int serverCount = 5;
        // 通过Hash算法，获取hash值，路由到服务器。hash(ip)%serverCount
        for (String clientIP : clientList) {
            int index = Math.abs(clientIP.hashCode()) % serverCount;
            System.err.println("客户端：" + clientIP + "，对应服务器：" + index);
        }
    }
}

结果如下

 这样有个问题，如果服务器减少或者增加，对请求的转发影响都会特别大

一致性Hash算法代码实现

package com.lagou;

import java.util.HashMap;
import java.util.Map;
import java.util.SortedMap;
import java.util.TreeMap;

/**
 * @ClassName: ConsistentHash
 * @Description: 一致性Hash算法
 * @Author: qjc
 * @Date: 2021/9/7 6:32 下午
 */
public class ConsistentHash {

    public static void main(String[] args) {
        // 服务端IP集合
        String[] serverList = new String[]{"127.0.0.1", "127.0.0.4", "127.0.0.7"};
        // 然后将服务端IP进行Hash然后存储到map中，想象成一个闭环
        SortedMap<Integer, String> serverHashMap = new TreeMap<>();
        for (int i = 0; i < serverList.length; i++) {
            String serverIP = serverList[i];
            // Hash值我们用IP的最后一位代替，这是为了测试
            int serverHash = Integer.valueOf(serverIP.split("\.")[3]);
            serverHashMap.put(serverHash, serverIP);
        }
        // 客户端IP集合
        String[] clientList = new String[]{"127.1.1.1", "127.1.1.2", "127.1.1.3", "127.1.1.4", "127.1.1.5", "127.1.1.6", "127.1.1.7", "127.1.1.8", "127.1.2.9"};

        for (int i = 0; i < clientList.length; i++) {
            String clientIP = clientList[i];
            int clientHash = Integer.valueOf(clientIP.split("\.")[3]);
            // tailMap方法获取的是参数key(包含key)后面的map，比如
            // serverIPMap = {1="127.0.0.1",2="127.0.0.2",3="127.0.0.3",4="127.0.0.4"}
            // serverIPMap.tailMap(2) = {2="127.0.0.2",3="127.0.0.3",4="127.0.0.4"}
            SortedMap<Integer, String> integerStringSortedMap = serverHashMap.tailMap(clientHash);
            if (integerStringSortedMap.isEmpty()) {
                // 如果为空，则只能转发到第一个服务器上
                Integer firstServerIP = serverHashMap.firstKey();
                System.err.println("客户端：" + clientIP + "，服务器：" + serverHashMap.get(firstServerIP));
            } else {
                // 如果不为空，则转发到最近的服务器IP
                Integer nearestServerIP = integerStringSortedMap.firstKey();
                System.err.println("客户端：" + clientIP + "，服务器：" + serverHashMap.get(nearestServerIP));
            }
        }
    }
}

结果如下

这种情况下如果服务器减少或者增加，对请求的分发影响不大，但是有个问题，服务器如果不是均匀分布在Hash闭环上，就会导致数据倾斜

一致性Hash算法（含虚拟节点）

package com.lagou;

import java.util.SortedMap;
import java.util.TreeMap;

/**
 * @ClassName: ConsistenHashWithVirtual
 * @Description: 使用虚拟节点的一致性Hash算法
 * @Author: Administrator
 * @Date: 2021/9/7 21:41
 */
public class ConsistenHashWithVirtual {

    public static void main(String[] args) {
        // 服务端IP集合
        String[] serverList = new String[]{"127.0.0.1", "127.0.0.4", "127.0.0.7"};
        // 然后将服务端IP进行Hash然后存储到map中，想象成一个闭环
        SortedMap<Integer, String> serverHashMap = new TreeMap<>();

        int virtualCount = 2;

        for (int i = 0; i < serverList.length; i++) {
            String serverIP = serverList[i];
            // Hash值我们用IP的最后一位代替，这是为了测试
            int serverHash = Integer.valueOf(serverIP.split("\.")[3]);
            serverHashMap.put(serverHash, serverIP);
            for (int j = 0; j < virtualCount; j++) {
                // 虚拟节点Hash值
                int virtualServerHash = Integer.valueOf(serverIP.split("\.")[3]) + (j + 1);
                serverHashMap.put(virtualServerHash, "请求转发到虚拟节点：" + serverIP + "（虚拟后缀：" + (j + 1) + ")");
            }
        }
        // 客户端IP集合
        String[] clientList = new String[]{"127.1.1.1", "127.1.1.2", "127.1.1.3", "127.1.1.4", "127.1.1.5", "127.1.1.6", "127.1.1.7", "127.1.1.8", "127.1.2.9"};

        for (int i = 0; i < clientList.length; i++) {
            String clientIP = clientList[i];
            int clientHash = Integer.valueOf(clientIP.split("\.")[3]);
            // tailMap方法获取的是参数key(包含key)后面的map，比如
            // serverIPMap = {1="127.0.0.1",2="127.0.0.2",3="127.0.0.3",4="127.0.0.4"}
            // serverIPMap.tailMap(2) = {2="127.0.0.2",3="127.0.0.3",4="127.0.0.4"}
            SortedMap<Integer, String> integerStringSortedMap = serverHashMap.tailMap(clientHash);
            if (integerStringSortedMap.isEmpty()) {
                // 如果为空，则只能转发到第一个服务器上
                Integer firstServerIP = serverHashMap.firstKey();
                System.err.println("客户端：" + clientIP + "，服务器：" + serverHashMap.get(firstServerIP));
            } else {
                // 如果不为空，则转发到最近的服务器IP
                Integer nearestServerIP = integerStringSortedMap.firstKey();
                System.err.println("客户端：" + clientIP + "，服务器：" + serverHashMap.get(nearestServerIP));
            }

        }
    }

}

运行结果如下

 这样就大大减少了服务器压力