Redis分布式解决方案 （consistent hash）
分类:
文章
•
2025-03-14 15:02:33
传统的redis分布式算法：
比如现在有一个数据，使用redis存储时，会现将其进行hash计算，然后根据计算的hash值进行取模，根据取模的结果将数据缓存到与结果值对应的redis中。算法如下：
案例1：传统分布式算法
使用传统的redis分布式算法的结果如下：根据取模的结果，将数据存储到相应的redis中
现在由于业务的需求，我们需要添加一台redis，添加后。就变成了5台redis，那么5台redis的一定会比4台的效果要好吗？
增加一台redis后，20个数据的结果如下。
增加一台redis后,出现以下结论：(4台redis和5台redis比较得出的结论)
redis0:只有20号数据命中
redis1:只有1号数据命中
redis2:只有2号数据命中
redis3:只有3号数据命中
根据数据命中，得出的命中率为： 4/20 =20%
命中率为20%，这是极低的，很容易击穿缓存到达数据库，这显然是不行的。
那为什么增加了redis，反而命中率降低了呢？
因为算法的局限性
我们看第二种算法 ------------------------ Consistent Hashing (哈希一致性算法)
Consistent Hashing (哈希一致性算法)
这个算法引入了一个新的概念： 环形hash空间 （空间的取值范围为： 0到 2的32次方减1）
传统的算法是进行取模缓存，这个算法是将数据进行hash计算，然后将计算的hash映射到hash空间上
我们以4个数据为例：
这个算法先将数据映射到hash空间中，然后将cache(redis)也映射到hash空间中
我们以三个redis为例：映射后如图所示：
现在数据和cache都映射到了hash空间中，那么如何将数据存储到cache呢？
算法的数据存储是按照hash空间环 顺时针 存储（将数据存储到顺时针遇到的第一个cache中）如图所示：
那这种算法好在哪里呢？
比如我们现在移除或添加一台cache,那么数据还是按照顺时针存储到数据库中：如图所示：
比如移除cacheB
移除后并不会对object4造成影响，它继续顺时针移动到cacheC中
再比如添加一个Cache
依然不会造成影响，依然按照顺时针移动到相应的cache中
但是问题来了，既然是顺时针存储，那么cache分布均匀还好，这样数据可以均匀分布，也能充分利用cache
但是，如果cache分布不均匀呢？（不均匀是hash算法的倾斜行导致的）
像这样分布的话，cacheA的压力就非常大，显然是不合理的
那么如何解决呢？
可以使用虚拟节点的方式来解决：
比如一个cache有两个虚拟节点，当数据命中到节点上时，将数据存储到相应的真实的cache中。
使用虚拟节点来解决分布均匀问题：
这样就可以很好的解决问题，既可以增加Cache有可以移除Cache，不会影响到性能
