通过PHP实现一致性哈希算法

一、案例分析

（1）问题概述

假设我们的图片数据均匀的分配在三台服务（分别标注为服务器A，服务器B、服务器C）上面，现在我们要从里面取图片，服务端在拿到这个请求后，怎么会指定，这张图片是存在服务器A、服务器B，还是服务器C上面呢？若是去遍历，两三台还好说，但那也太out了，当服务器的数量达到成百上千台的时候，还敢说去遍历吗？

（2）解决方案

a、通过存储映射关系

首先我们可能会想到，可以搞一个中间层来记录图片存储在哪个服务器上面，如下：

logo1.png =====》 服务A

ogo2.png =====》 服务B

logo3.png =====》 服务C

这样，每当请求过来的时候，我们先去请求图片与服务器的映射关系，找到图片存储的服务器，在向指定的服务器发出请求。从实现的角度来说，这是可行的，但是在存储图片的时候，我们也必须存储图片与服务器的映射关系，这明显加大了工作量，其维护也是一个问题，一旦存储的图片和服务器映射关系出现了问题，整个系统就挂了。

b、hash算法

既然我们要排除存储映射关系，这个时候，人们想到了hash算法。如下

图片在存储的时候，依据图片名称（logo1.png），通过hash算法求出散列值val，通过对val进行取模，得出的值，就可以判断图片应该存储在哪个服务器上面。如下：

key = hash(imgName) % n

其中：

imgName为图片名称，

n为服务器的个数，

key代表图片应该存储在第几个服务器上面。

当请求过来的时候，比如请求logo1.png这个图片，服务端依据上述公式计算出的key，就可以判断该logo1.png存储在哪个服务器上面。PHP实现如下：

$hostsMap = ['img1.findme.wang', 'img2.findme.wang', 'img3.findme.wang'];
 
function getImgSrc($imgName) {
    global $hostsMap;
    $key = crc32($imgName) % count($hostsMap);
    return 'http://' . $hostsMap[abs($key)] . '/' . $imgName;
}
//测试
var_dump(getImgSrc("logo1.png"));
var_dump(getImgSrc("logo2.png"));
var_dump(getImgSrc("logo3.png"));

输出：

此时，我们由存储映射关系变为计算服务器的序号，确实极大的简化了工作量。

但是一旦新增机器，就非常麻烦了，因为n变了，几乎所有的序列号key也变了，于是需要大量的数据迁移工作。

C、一致性hash算法

一致性hash算法，是一种特殊的hash算法，旨在解决当node数（如存储图片的服务器数量）变化时候，尽量少数据的迁移。

其基本思想：

1、首先把0~2的32次方个点，均匀的分布到一个圆环上面，如下：

2、然后将所有的节点node（存储图片的服务器）通过hash计算后，对232取余，然后也映射到hash环上面，如下：

3、当请求过来的时候，比如请求logo1.png这个图片，通过hash计算后，对232取余，然后也映射到hash环上面，如下：

4、然后顺时针转动，第一个到达的节点node，就认为是存储logo1.png图片的服务器。

从上面可以得知，其实一致性hash的亮点，首先在于对节点node（存储图片的服务器）和对象（图片）都进行了hash计算和映射，其次是闭环的设计。

优点：当新增机器的时候，仅仅标志出来的区域受到影响，如下图：

缺点：当节点node比较少的时候，往往缺少平衡性，因为经过hash计算后，映射到hash环上面的节点node，并不是均匀分布的，导致了有的机器负载很高，有的机器很空闲。

PHP实现如下：

$hostsMap = ['img1.findme.wang', 'img2.findme.wang', 'img3.findme.wang'];
$hashRing = [];
 
function getImgSrc($imgName){
    global $hostsMap;
    global $hashRing;
    //将节点映射到hash环上面
    if (empty($hashRing)) {
        foreach($hostsMap as $h) {
            $hostKey = fmod(crc32($h) , pow(2,32));
            $hostKey = abs($hostKey);
            $hashRing[$hostKey] = $h;
        }
        //从小到大排序，便于查找
        ksort($hashRing);
    }
 
    //计算图片hash
    $imgKey = fmod(crc32($imgName) , pow(2,32));
    $imgKey = abs($imgKey);
    foreach($hashRing as $hostKey => $h) {
        if ($imgKey < $hostKey) {
            return 'http://' . $h . '/' . $imgName;
        }
    }
    return 'http://' . current($hashRing) . '/' . $imgName;
}
 
var_dump(getImgSrc("logo1.png"));
var_dump(getImgSrc("logo2.png"));
var_dump(getImgSrc("logo3.png"));

输出结果如下：

至于为什么使用fmod函数不适用求余运算符%，主要是因为pow(2,32)在32位操作系统上面，超高了PHP_INT_MAX，具体可以参考上一篇文章“PHP中对大数求余报错Uncaught DivisionByZeroError: Modulo by zero”。

d、通过虚拟节点优化一致性hash算法

为了提高一致性hash算法的平衡性，我们首先能够想到的是，增加节点数，但是机器毕竟是需要经费啊，不是说增就能随意增，那就增加虚拟节点，这样就没毛病了。思路如下：

1、假设host1、host2、host3，都分别有3个虚拟节点，如host1的虚拟节点为host1_1、host1_2、host1_3

2、然后将所有的虚拟节点node（存储图片的服务器）通过hash计算后，对232取余，然后也映射到hash环上面，如下：

然后，接下来步骤同一致性hash算法一致，只是最后需要将虚拟节点，转为真实的节点。

PHP实现如下：

$hostsMap = ['img1.findme.wang', 'img2.findme.wang', 'img3.findme.wang'];
$hashRing = [];
 
function getImgSrc($imgName){
    global $hostsMap;
    global $hashRing;
    $virtualNodeLen = 3; //每个节点的虚拟节点个数
 
    //将节点映射到hash环上面
    if (empty($hashRing)) {
        foreach($hostsMap as $h) {
            $i = 0;
            while($i < $virtualNodeLen){
                $hostKey = fmod(crc32($h.'_'.$i) , pow(2,32));
                $hostKey = abs($hostKey);
                $hashRing[$hostKey] = $h;
                $i++;
            }
        }
        //从小到大排序，便于查找
        ksort($hashRing);
    }
 
    //计算图片hash
    $imgKey = fmod(crc32($imgName) , pow(2,32));
    $imgKey = abs($imgKey);
    foreach($hashRing as $hostKey => $h) {
        if ($imgKey < $hostKey) {
            return 'http://' . $h . '/' . $imgName;
        }
    }
    return 'http://' . current($hashRing) . '/' . $imgName;
}
 
var_dump(getImgSrc("login1.png"));
var_dump(getImgSrc("login2.png"));
var_dump(getImgSrc("login3.png"));

执行结果如下：

二、备注

1、取模与取余的区别？

取余，遵循尽可能让商向0靠近的原则

取模，遵循尽可能让商向负无穷靠近的原则

1、什么是CRC算法？

CRC（Cyclical Redundancy Check）即循环冗余码校验，主要用于数据校验，常用的有CRC16、CRC32，其中16、32代表多项式最高次幂。