转载

Jedis一致性hash与sharding

=

=

=

Jedis一致性hash与sharding  https://blog.csdn.net/javahongxi/article/details/79500755

一、Jedis一致性hash

利用缓存技术,不仅可以提升系统性能,还能缓解系统故障。对于redis 3.0以下的版本,redis-server没有sharding的功能,只有master-slave模式。目前企业用的普遍都是只有m/s模式的redis多实例部署,无论是master还是slave挂掉,都需要调整程序配置(或代码)。Jedis为我们提供了编程级别的sharding方式,本文主要介绍相关API使用方法。

Jedis中sharding基于一致性hash算法,hash值计算采取MD5作为辅助,此算法似乎已成事实上的标准,不过较新的版本采用的是谷歌的murmur_hash算法(MD5 is really not good?)。

public interface Hashing {  
  public static final Hashing MURMUR_HASH = new MurmurHash();  
  public ThreadLocal<MessageDigest> md5Holder = new ThreadLocal<MessageDigest>();  
         // 基于MD5的一致性hash算法实现  
  public static final Hashing MD5 = new Hashing() {  
    public long hash(String key) {  
      return hash(SafeEncoder.encode(key));  
    }  
  
    public long hash(byte[] key) {  
      try {  
        if (md5Holder.get() == null) {  
          md5Holder.set(MessageDigest.getInstance("MD5"));  
        }  
      } catch (NoSuchAlgorithmException e) {  
        throw new IllegalStateException("++++ no md5 algorythm found");  
      }  
      MessageDigest md5 = md5Holder.get();  
  
      md5.reset();  
      md5.update(key);  
      byte[] bKey = md5.digest(); // 获得MD5字节序列  
      // 前四个字节作为计算参数,最终获得一个32位int值.    
      // 此种计算方式,能够确保key的hash值更加“随即”/“离散”    
      // 如果hash值过于密集,不利于一致性hash的实现(特别是有“虚拟节点”设计时)   
      long res = ((long) (bKey[3] & 0xFF) << 24) | ((long) (bKey[2] & 0xFF) << 16)  
          | ((long) (bKey[1] & 0xFF) << 8) | (long) (bKey[0] & 0xFF);  
      return res;  
    }  
  };  
  
  public long hash(String key);  
  
  public long hash(byte[] key);  
}

node构建过程:

//shards列表为客户端提供了所有redis-server配置信息,包括:ip,port,weight,name  
//其中weight为权重,将直接决定“虚拟节点”的“比例”(密度),权重越高,在存储是被hash命中的概率越高  
//--其上存储的数据越多。  
//其中name为“节点名称”,jedis使用name作为“节点hash值”的一个计算参数。  
//---  
//一致性hash算法,要求每个“虚拟节点”必须具备“hash值”,每个实际的server可以有多个“虚拟节点”(API级别)  
//其中虚拟节点的个数= “逻辑区间长度” * weight,每个server的“虚拟节点”将会以“hash”的方式分布在全局区域中  
//全局区域总长为2^32.每个“虚拟节点”以hash值的方式映射在全局区域中。  
// 环形:0-->vnode1(:1230)-->vnode2(:2800)-->vnode3(400000)---2^32-->0  
//所有的“虚拟节点”将按照其”节点hash“顺序排列(正序/反序均可),因此相邻两个“虚拟节点”之间必有hash值差,  
//那么此差值,即为前一个(或者后一个,根据实现而定)“虚拟节点”所负载的数据hash值区间。  
//比如hash值为“2000”的数据将会被vnode1所接受。  
//---  
private void initialize(List<S> shards) {  
    nodes = new TreeMap<Long, S>();//虚拟节点,采取TreeMap存储:排序,二叉树  
  
    for (int i = 0; i != shards.size(); ++i) {  
        final S shardInfo = shards.get(i);  
        if (shardInfo.getName() == null)  
                //当没有设置“name”是,将“SHARD-NODE”作为“虚拟节点”hash值计算的参数  
                //"逻辑区间步长"为160,为什么呢??  
                //最终多个server的“虚拟节点”将会交错布局,不一定非常均匀。  
            for (int n = 0; n < 160 * shardInfo.getWeight(); n++) {  
                nodes.put(this.algo.hash("SHARD-" + i + "-NODE-" + n), shardInfo);  
            }  
        else  
            for (int n = 0; n < 160 * shardInfo.getWeight(); n++) {  
                nodes.put(this.algo.hash(shardInfo.getName() + "*" + shardInfo.getWeight() + n), shardInfo);  
            }  
        resources.put(shardInfo, shardInfo.createResource());  
    }  
}

node选择方式:

public R getShard(String key) {  
    return resources.get(getShardInfo(key));  
}  
//here:  
public S getShardInfo(byte[] key) {  
        //获取>=key的“虚拟节点”的列表  
    SortedMap<Long, S> tail = nodes.tailMap(algo.hash(key));  
        //如果不存在“虚拟节点”,则将返回首节点。  
    if (tail.size() == 0) {  
        return nodes.get(nodes.firstKey());  
    }  
        //如果存在,则返回符合(>=key)条件的“虚拟节点”的第一个节点  
    return tail.get(tail.firstKey());  
}  

Jedis sharding默认的一致性hash算法比较适合cache-only的情景,不太适合数据持久化情况。在持久存储情况下,我们可以使用“强hash”分片,需要重写hash算法(参加后面的InnerHashing)。强hash算法下,如果某个虚拟节点所在的物理节点故障,将导致数据无法访问,即无法从虚拟节点列表中删除失效的server。

二、API

ShardedJedis

JedisShardInfo sd1 = new JedisShardInfo("127.0.0.1", 6379, 15000);  
        sd1.setPassword("123456");  
        JedisShardInfo sd2 = new JedisShardInfo("127.0.0.1", 6479, 15000);  
        sd2.setPassword("123456");  
        List<JedisShardInfo> shards = new ArrayList<JedisShardInfo>();  
        shards.add(sd1);  
        shards.add(sd2);  
        ShardedJedis shardedJedis = new ShardedJedis(shards, new InnerHashing());  
        String key = "k2sdjowejjroer3";  
        shardedJedis.set(key, "v2");  
        Charset charset = Charset.forName("utf-8");  
        // 注意此处对key的字节转换时,一定要和Innerhashing.hash(String)保持一致  
        System.out.println(shardedJedis.get("k2").getBytes(charset));  
  
// Jedis的一致性hash算法已经足够良好,程序员建议不要重写  
public class InnerHashing implements Hashing {  
    static Charset charset = Charset.forName("utf-8");  
  
    @Override  
    public long hash(String key) {  
        return hash(key.getBytes(charset));  
    }  
  
    @Override  
    public long hash(byte[] key) {  
        int hashcode = new HashCodeBuilder().append(key).toHashCode();  
        return hashcode & 0x7FFFFFFF;  
    }  
}

ShardedJedisPool & ShardedJedisPipeline

JedisPoolConfig config = new JedisPoolConfig();  
        config.setMaxTotal(32);  
        config.setMaxIdle(6);  
        config.setMinIdle(0);  
        config.setMaxWaitMillis(15000);  
  
        JedisShardInfo sd1 = new JedisShardInfo("127.0.0.1", 6379, 15000);  
        sd1.setPassword("123456");  
        JedisShardInfo sd2 = new JedisShardInfo("127.0.0.1", 6479, 15000);  
        sd2.setPassword("123456");  
        List<JedisShardInfo> shards = new ArrayList<JedisShardInfo>();  
        shards.add(sd1);  
        shards.add(sd2);  
  
        ShardedJedisPool sjp = new ShardedJedisPool(config, shards);  
        ShardedJedis shardedJedis = sjp.getResource();  
        try {  
            System.out.println(shardedJedis.get("k2"));  
  
            ShardedJedisPipeline pipeline = new ShardedJedisPipeline();  
            pipeline.setShardedJedis(shardedJedis);  
            pipeline.set("k4", "v4");  
            pipeline.set("k5", "v5");  
            pipeline.get("k5");  
            List<Object> all = pipeline.syncAndReturnAll();  
            for (Object e : all) {  
                System.out.println(e);  
            }  
        } catch (Exception e) {  
            e.printStackTrace();  
        } finally {  
            sjp.returnResource(shardedJedis);  
        } 
<bean id="jedisPoolConfig" class="redis.clients.jedis.JedisPoolConfig">  
    <property name="maxActive" value="32"></property>  
    <property name="maxIdle" value="6"></property>  
    <property name="maxWait" value="15000"></property>  
    <property name="minEvictableIdleTimeMillis" value="300000"></property>  
    <property name="numTestsPerEvictionRun" value="3"></property>  
    <property name="timeBetweenEvictionRunsMillis" value="60000"></property>  
    <property name="whenExhaustedAction" value="1"></property>  
</bean>  
<bean id="shardedJedisPool" class="redis.clients.jedis.ShardedJedisPool" destroy-method="destroy">  
    <constructor-arg ref="jedisPoolConfig"></constructor-arg>  
    <constructor-arg>  
        <list>  
            <bean class="redis.clients.jedis.JedisShardInfo">  
                <constructor-arg value="127.0.0.1"></constructor-arg>  
                <constructor-arg value="6379"></constructor-arg>  
                <property name="password" value="0123456"></property>  
            </bean>  
            <bean class="redis.clients.jedis.JedisShardInfo">  
                <constructor-arg value="127.0.0.1"></constructor-arg>  
                <constructor-arg value="6379"></constructor-arg>  
                <property name="password" value="0123456"></property>  
            </bean>  
        </list>  
    </constructor-arg>  
</bean>  

redis以及其他类似的网络IO server,实现绝对意义上的自动扩容(server端)和自动探测与rebalance,是很难的,同时也有一些风险. 我们现在的做法也比较土: 1) 有个web portal系统,当一个redis实例部署好之后,就是web系统上输入它的IP地址和探测脚本(脚本用来检测redis的内存负载情况,存活情况). 2) 录入之后可以将此redis"上线/下线",即将redis信息同步到zookeeper中(俗称configserver); 3) 所有redis-client端,都接入configserver,获取可用的redis列表;并初始化redis-client. 4) redis-client有一个额外的线程用来与configserver保持通讯,实时的跟踪redis列表的变更. 5) 如果redis列表变更,将导致redis-client端重新调整,主要是重建"一致性hash表". 6) 重建"一致性hash表"的过程,不需要调整代码或者重启服务,这个和hash的设计方式有些关系. 简单的来说,你可以使用任何方式(db,或者JMS订阅)来获取redis集群节点的变更数据即可..对于"客户端一致性hash表"的设计,也需要有些技巧,最好不要因为一个节点的join或者remove,导致大面积缓存的命中失败.. 程序中通过合理的配置和编码,我们可以实现写master读slave。

=

=

=

原文  http://fantaxy025025.iteye.com/blog/2423893
正文到此结束
Loading...