Docker 一致性哈希算法分区原理图文详解（上）

面试题：1~2亿条数据需要缓存，请问如何设计这个存储案例？

--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（第二种）

（顺序由易到难）

（2）一致性哈希算法分区

是什么?

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，某个机器单机了，分母数量改变了，自然取余数不OK（输出结果）。

能干嘛?

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

3大步骤

（1）算法构建一致性哈希环（减轻底层机器台数变动之后，映射和分配规则）

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，前面笔记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: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。

（2）服务器IP节点映射（环落在哪里）

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

（3）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ObjectA、ObjectB、ObjectC、ObjectD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NodeA上，B被定为到Node B上，C被定为到NodeC上，D被定为到Node D上。