怎么做qq分享网站,创建公司的基本流程,搜索引擎网站推广定义,移动网上营业厅官网【Docker】从零开始#xff1a;15.搭建亿级数据Redis集群之哈希算法概念篇 概述一般业界的3种解决方案1.哈希取余分区优点#xff1a;缺点#xff1a; 2.一致性哈希算法分区背景目的原理一致性哈希环节点映射key落到服务器的落键规则 优点容错性扩展性 缺点 3.哈希槽分区背景… 【Docker】从零开始15.搭建亿级数据Redis集群之哈希算法概念篇 概述一般业界的3种解决方案1.哈希取余分区优点缺点 2.一致性哈希算法分区背景目的原理一致性哈希环节点映射key落到服务器的落键规则 优点容错性扩展性 缺点 3.哈希槽分区背景原理 概述
在如今大数据时代Redis作为高性能键值存储数据库被广泛应用于互联网领域。随着业务的发展数据量也越来越大对于Redis的设计也越来越复杂。本文将探讨如何在Redis中处理亿级数据的设计。数据缓存是一个重要的优化手段可以将热点数据缓存到Redis中减少数据库的IO操作提高访问速度。但是过多的缓存也会增加Redis的负载因此需要根据具体情况进行缓存策略的调整。在亿级数据的情况下Redis的性能调优变得更加复杂。需要关注内存使用、磁盘IO、网络传输等方面针对具体情况进行调优提高系统的性能和响应速度。在亿级数据的情况下单台Redis服务器难以胜任因此需要使用数据分片和副本技术。数据分片可以将数据分散到多个服务器上提高数据的访问速度和可用性。数据副本可以保证数据的安全性和一致性增加数据的备份。
一般业界的3种解决方案
1.哈希取余分区 假设2亿条记录就是2亿个k,v我们单机不行必须要分布式多机假设有3台机器构成一个集群用户每次读写操作都是根据公式 hash(key) % N个机器台数计算出哈希值用来决定数据映射到哪一个节点上。
优点 简单粗暴直接有效只需要预估好数据规划好节点例如3台、8台、10台就能保证一段时间的数据支撑。使用Hash算法让固定的一部分请求落到同一台服务器上这样每台服务器固定处理一部分请求并维护这些请求的信息起到负载均衡分而治之的作用。缺点
原来规划好的节点进行扩容或者缩容就比较麻烦了额不管扩缩每次数据变动导致节点有变动映射关系需要重新进行计算在服务器个数固定不变时没有问题如果需要弹性扩容或故障停机的情况下原来的取模公式就会发生变化Hash(key)/3会变成Hash(key) /?。此时地址经过取余运算的结果将发生很大变化根据公式获取的服务器也会变得不可控。原来规划好的节点进行扩容或者缩容就比较麻烦了额不管扩缩每次数据变动导致节点有变动映射关系需要重新进行计算在服务器个数固定不变时没有问题如果需要弹性扩容或故障停机的情况下原来的取模公式就会发生变化Hash(key)/3会变成Hash(key) /?。此时地址经过取余运算的结果将发生很大变化根据公式获取的服务器也会变得不可控。某个redis机器宕机了由于台数数量变化会导致hash取余全部数据重新洗牌。
2.一致性哈希算法分区
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宕机了分母数量改变了自然取余数不OK了。
目的
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
原理
一致性哈希环
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232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0-232-1即哈希值是一个32位无符号整形整个哈希环如下图整个空间按顺时针方向组织圆环的正上方的点代表00点右侧的第一个点代表1以此类推2、3、4、……直到232-1也就是说0点左侧的第一个点代表232-1 0和232-1在零点中方向重合我们把这个由232个点组成的圆环称为Hash环。
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如下
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Object A、Object B、Object C、Object D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Node A上B被定为到Node B上C被定为到Node C上D被定为到Node D上。
优点
容错性
假设Node C宕机可以看到此时对象A、B、D不会受到影响只有C对象被重定位到Node D。一般的在一致性Hash算法中如果一台服务器不可用则受影响的数据仅仅是此服务器到其环空间中前一台服务器即沿着逆时针方向行走遇到的第一台服务器之间数据其它不会受到影响。简单说就是C挂了受到影响的只是B、C之间的数据并且这些数据会转移到D进行存储。
扩展性
数据量增加了需要增加一台节点NodeXX的位置在A和B之间那收到影响的也就是A到X之间的数据重新把A到X的数据录入到X上即可不会导致hash取余全部数据重新洗牌。 总结加入和删除节点只影响哈希环中顺时针方向的相邻的节点对其他节点无影响。 缺点
Hash环的数据倾斜问题 一致性Hash算法在服务节点太少时容易因为节点分布不均匀而造成数据倾斜被缓存的对象大部分集中缓存在某一台服务器上问题 例如系统中只有两台服务器 总结数据的分布和节点的位置有关因为这些节点不是均匀的分布在哈希环上的所以数据在进行存储时达不到均匀分布的效果。 3.哈希槽分区
背景
哈希槽分区的出现是为了解决一致性哈希算法分区的数据倾斜问题哈希槽实质就是一个数组数组[0,2^14 -1]形成hash slot空间。
原理
哈希槽分区解决均匀分配的问题在数据和节点之间又加入了一层把这层称为哈希槽slot用于管理数据和节点之间的关系现在就相当于节点上放的是槽槽里放的是数据。
槽解决的是粒度问题相当于把粒度变大了这样便于数据移动。哈希解决的是映射问题使用key的哈希值来计算所在的槽便于数据分配。
一个Redis集群只能有16384个槽编号0-163830-2^14-1。这些槽会分配给集群中的所有主节点分配策略没有要求。可以指定哪些编号的槽分配给哪个主节点。集群会记录节点和槽的对应关系。解决了节点和槽的关系后接下来就需要对key求哈希值然后对16384取余余数是几key就落入对应的槽里。slot CRC16(key) % 16384。以槽为单位移动数据因为槽的数目是固定的处理起来比较容易这样数据移动问题就解决了。
Redis 集群中内置了 16384 个哈希槽redis 会根据节点数量大致均等的将哈希槽映射到不同的节点。当需要在 Redis 集群中放置一个 key-value时redis 先对 key 使用 crc16 算法算出一个结果然后把结果对 16384 求余数这样每个 key 都会对应一个编号在 0-16383 之间的哈希槽也就是映射到某个节点上。如下代码key之A 、B在Node2 key之C落在Node3上
Test
public void test3(){//import io.lettuce.core.cluster.slotHash;System.out.println(SlotHash.getslot(key:A));//6373System.out.println(SlotHash.getslot(key:B));//10374System.out.println(SlotHash.getslot(key:c));//14503System.out.println(SlotHash.getslot(key:hello));//866
}
