=
=
=
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。
=
=
=