Java实现一致性哈希算法,并搭建环境测试其负载均衡特性(一)

作者阿里云代理 文章分类 分类:linux图文教程 阅读次数 已被围观 921

一. 简述一致性哈希算法

这儿不详细介绍一致性哈希算法的来源了,网上能方便地搜到许多介绍一致性哈希算法的好文章。本文主要想着手完结一致性哈希算法,并搭建一个环境进行实战测验。

在开端之前先整理一下算法的思路:

一致性哈希算法经过把每台服务器的哈希值打在哈希环上,把哈希环分成不同的段,然后对到来的恳求核算哈希值然后得知该恳求所归属的服务器。这个方法处理了传统服务器增减机器时需求从头核算哈希的麻烦。

但假如服务器的数量较少,或许导致核算出的哈希值相差较小,在哈希环上分布不均匀,导致某台服务器过载。为了处理负载均衡问题,咱们引进虚拟节点技能,为每台服务器分配一定数量的节点,经过节点的哈希值在哈希环上进行划分。这样一来,咱们就可以依据机器的功能为其分配节点,功能好就多分配一点,差就少一点,然后到达负载均衡。

二. 完结一致性哈希算法

奠定了整体思路后咱们开端考虑完结的细节

  1. 哈希算法的选择

选择能散列出32位整数的 FNV 算法, 因为该哈希函数或许发生负数, 需求作取绝对值处理.

  1. 恳求节点在哈希环上寻觅对应服务器的战略

战略为:新节点寻觅最近比且它大的节点, 比方说现在现已有环[0, 5, 7, 10], 来了个哈希值为6的节点, 那么它应该由哈希值为7对应的服务器处理. 假如恳求节点所核算的哈希值大于环上的所有节点, 那么就取第一个节点. 比方来了个11, 将分配到0所对应的节点.

  1. 哈希环的组织结构

开端的时分想过用顺序存储的结构存放,可是在一致性哈希中,最频频的操作是在集合中查找最近且比目标大的数. 假如用顺序存储结构的话,时间复杂度是收敛于O(N)的,而树形结构则为更优的O(logN)。

但凡事有两面,选用树形结构存储的代价是数据初始化的功率较低,并且运转期间假如有节点刺进删去的话功率也比较低。可是在实际中,服务器在一开端注册后基本上就不怎样变了,期间增减机器,宕机,机器修复等事情的频率相比起节点的查询简直是微不足道。所以本事例决定使用使用树形结构存储。

贴合上述要求,并且供给有序存储的,首要想到的是红黑树,并且Java中供给了红黑树的完结TreeMap

  1. 虚拟节点与实在节点的映射联系

如何确定一个虚拟节点对应的实在节点也是个问题。理论上应该维护一张表记录实在节点与虚拟节点的映射联系。本事例为了演示,选用简单的字符串处理。

比方说服务器192.168.0.1:8888分配了 1000 个虚拟节点, 那么它的虚拟节点称号从192.168.0.1:8888@1一直到192.168.0.1:8888@1000。经过这样的处理,咱们在经过虚拟节点找实在节点时只需求裁剪字符串即可。

计划定制好后, 下面是详细代码:

  1. public class ConsistentHashTest {
  2.    /**
  3.     * 服务器列表,一共有3台服务器供给服务, 将依据功能分配虚拟节点
  4.     */
  5.    public static String[] servers = {
  6.            "192.168.0.1#100", //服务器1: 功能指数100, 将取得1000个虚拟节点
  7.            "192.168.0.2#100", //服务器2: 功能指数100, 将取得1000个虚拟节点
  8.            "192.168.0.3#30"   //服务器3: 功能指数30,  将取得300个虚拟节点
  9.    };
  10.    /**
  11.     * 实在服务器列表, 因为增加与删去的频率比遍历高, 用链表存储比较划算
  12.     */
  13.    private static ListrealNodes = new LinkedList<>();
  14.    /**
  15.     * 虚拟节点列表
  16.     */
  17.    private static TreeMap virtualNodes = new TreeMap<>();

  18.    static{
  19.        for(String s : servers){
  20.            //把服务器加入实在服务器列表中
  21.            realNodes.add(s);
  22.            String[] strs = s.split("#");
  23.            //服务器称号, 省掉端口号
  24.            String name = strs[0];
  25.            //依据服务器功能给每台实在服务器分配虚拟节点, 并把虚拟节点放到虚拟节点列表中.
  26.            int virtualNodeNum = Integer.parseInt(strs[1]) * 10;
  27.            for(int i = 1; i <= virtualNodeNum; i++){
  28.                virtualNodes.put(FVNHash(name + "@" + i), name + "@" + i);
  29.            }
  30.        }
  31.    }

  32.    public static void main(String[] args) {
  33.        new Thread(new RequestProcess()).start();
  34.    }

  35.    static class RequestProcess implements Runnable{
  36.        @Override
  37.        public void run() {
  38.            String client = null;
  39.            while(true){
  40.                //模仿发生一个恳求
  41.                client = getN() + "." + getN() + "." + getN() + "." + getN() + ":" + (1000 + (int)(Math.random() * 9000));
  42.                //核算恳求的哈希值
  43.                int hash = FVNHash(client);
  44.                //判断恳求将由哪台服务器处理
  45.                System.out.println(client + " 的恳求将由 " + getServer(client) + " 处理");
  46.                try {
  47.                    Thread.sleep(500);
  48.                } catch (InterruptedException e) {
  49.                    e.printStackTrace();
  50.                }
  51.            }

  52.        }
  53.    }

  54.    private static String getServer(String client) {
  55.        //核算客户端恳求的哈希值
  56.        int hash = FVNHash(client);
  57.        //得到大于该哈希值的所有map集合
  58.        SortedMap subMap = virtualNodes.tailMap(hash);
  59.        //找到比该值大的第一个虚拟节点, 假如没有比它大的虚拟节点, 依据哈希环, 则回来第一个节点.
  60.        Integer targetKey = subMap.size() == 0 ? virtualNodes.firstKey() : subMap.firstKey();
  61.        //经过该虚拟节点取得实在节点的称号
  62.        String virtualNodeName = virtualNodes.get(targetKey);
  63.        String realNodeName = virtualNodeName.split("@")[0];
  64.        return realNodeName;
  65.    }

  66.    public static int getN(){
  67.        return (int)(Math.random() * 128);
  68.    }

  69.    public static int FVNHash(String data){
  70.        final int p = 16777619;
  71.        int hash = (int)2166136261L;
  72.        for(int i = 0; i < data.length(); i++)
  73.            hash = (hash ^ data.charAt(i)) * p;
  74.        hash += hash << 13;
  75.        hash ^= hash >> 7;
  76.        hash += hash << 3;
  77.        hash ^= hash >> 17;
  78.        hash += hash << 5;
  79.        return hash < 0 ? Math.abs(hash) : hash;
  80.    }
  81. }

  82. /* 运转结果片段
  83. 55.1.13.47:6240     的恳求将由 192.168.0.1 处理
  84. 5.49.56.126:1105    的恳求将由 192.168.0.1 处理
  85. 90.41.8.88:6884     的恳求将由 192.168.0.2 处理
  86. 26.107.104.81:2989  的恳求将由 192.168.0.2 处理
  87. 114.66.6.56:8233    的恳求将由 192.168.0.1 处理
  88. 123.74.52.94:5523   的恳求将由 192.168.0.1 处理
  89. 104.59.60.2:7502    的恳求将由 192.168.0.2 处理
  90. 4.94.30.79:1299     的恳求将由 192.168.0.1 处理
  91. 10.44.37.73:9332    的恳求将由 192.168.0.2 处理
  92. 115.93.93.82:6333   的恳求将由 192.168.0.2 处理
  93. 15.24.97.66:9177    的恳求将由 192.168.0.2 处理
  94. 100.39.98.10:1023   的恳求将由 192.168.0.2 处理
  95. 61.118.87.26:5108   的恳求将由 192.168.0.2 处理
  96. 17.79.104.35:3901   的恳求将由 192.168.0.1 处理
  97. 95.36.5.25:8020     的恳求将由 192.168.0.2 处理
  98. 126.74.56.71:7792   的恳求将由 192.168.0.2 处理
  99. 14.63.56.45:8275    的恳求将由 192.168.0.1 处理
  100. 58.53.44.71:2089    的恳求将由 192.168.0.3 处理
  101. 80.64.57.43:6144    的恳求将由 192.168.0.2 处理
  102. 46.65.4.18:7649     的恳求将由 192.168.0.2 处理
  103. 57.35.27.62:9607    的恳求将由 192.168.0.2 处理
  104. 81.114.72.3:3444    的恳求将由 192.168.0.1 处理
  105. 38.18.61.26:6295    的恳求将由 192.168.0.2 处理
  106. 71.75.18.82:9686    的恳求将由 192.168.0.2 处理
  107. 26.11.98.111:3781   的恳求将由 192.168.0.1 处理
  108. 62.86.23.37:8570    的恳求将由 192.168.0.3 处理
  109. */

经过上面的测验咱们可以看到功能较好的服务器1和服务器2分担了大部分的恳求,只要少部分恳求落到了功能较差的服务器3上,现已初步完结了负载均衡。

下面咱们将结合zookeeper,搭建一个更加逼真的服务器集群,看看在部分服务器上线下线的过程中,一致性哈希算法是否仍可以完结负载均衡。

三. 结合zookeeper搭建环境

环境介绍

首要会经过发动多台虚拟机模仿服务器集群,各台服务器都供给一个相同的接口供顾客消费。

同时会有一个顾客线程不断地向服务器集群发起恳求,这些恳求会经过一致性哈希算法均衡负载到各个服务器。

为了可以模仿上述场景, 咱们有必要在客户端维护一个服务器列表, 使得客户端可以经过一致性哈希算法选择服务器发送。(实际中或许会把一致性哈希算法完结在前端服务器, 客户先访问前端服务器, 再路由到后端服务器集群)。

可是咱们的要点是模仿服务器的宕机和上线,看看一致性哈希算法是否仍能完结负载均衡。所以客户端有必要可以感知服务器端的改变并动态地调整它的服务器列表。

为了完结这项作业, 咱们引进zookeeper,zookeeper的数据一致性算法确保数据实时, 准确, 客户端可以经过zookeeper得知实时的服务器状况。

详细操作是这样的: 服务器集群先以暂时节点的方法衔接到zookeeper, 并在zookeeper上注册自己的接口服务(注册节点). 客户端衔接上zookeeper后, 把已注册的节点(服务器)增加到自己的服务器列表中。

假如有服务器宕机的话, 因为最初注册的是瞬时节点的原因, 该台服务器节点会从zookeeper中刊出。客户端监听到服务器节点有变时, 也会动态调整自己的服务器列表, 把当宕机的服务器从服务器列表中删去, 因而不会再向该服务器发送恳求, 负载均衡的任务将交到剩余的机器身上。

当有服务器从头衔接上集群后, 客户端的服务器列表也会更新, 哈希环也将做出相应的改变以供给负载均衡。

详细操作:

I. 搭建zookeeper集群环境:

  1. 创立3个zookeeper服务, 构成集群. 在各自的data文件夹中增加一个myid文件, 各个id分别为1,2,3.
    5.jpg

2.
从头复制一份配置文件, 在配置文件中配置各个zookeeper的端口号. 本事例中三台zookeeper分别在2181,2182,2183端口
6.jpg


  1. 发动zookeeper集群

因为zookeeper不是本事例的要点, 细节暂不展开讲了.

本公司销售:阿里云新/老客户,只要购买阿里云,即可享受折上折优惠!>

我有话说: