基于Google guava工具实现一致性Hash算法的应用实践

一、前言

在分布式架构系统中，要将数据存储到具体的节点上，如果采用普通的key%N取模Hash算法，将数据映射到具体的节点上，就有可能大部分数据集中在某一个节点，形成“热点”数据，造成数据分布失衡，二是如果有一个机器加入或退出这个集群，则大部分的数据映射都无效了，数据需要重新进行排列。

基于上面普通Hash算法的问题，1997年由麻省理工学院提出一致性Hash算法，引入了“虚拟节点”的概念：即想象在这个环上有很多“虚拟节点”，数据的存储是沿着环的顺时针方向找一个虚拟节点，每个虚拟节点都会关联到一个真实节点；一个真实节点对应多个虚拟节点，虚拟节点足够多的情况下，可以使数据分布尽可能的平衡，但是需要注意的是一致性Hash算法也不能百分百解决普通Hash算法的问题，极端情况下，可能存在和普通Hash算法一样的问题。

二、基于一致性Hash算法解决普通Hash算法常见问题

在业务中，假设有一个场景，需要把用户User信息尽可能均衡的保存到32个后端用户数据库中（为了有对比效果，这里使用重写User hashcode()方法的方式来通过HashMap存储来实现）。

1. 普通Hash算法

• 参考实现代码：

import java.util.HashMap;
import java.util.Map;
import java.util.Objects;

public class CommonHashTest2 {
    static class User {
        private String name;
        private int age;

        public User(String name, int age) {
            this.name = name;
            this.age = age;
        }

        @Override
        public boolean equals(Object o) {
            if (this == o) return true;
            if (o == null || getClass() != o.getClass()) return false;
            CommonHashTest2.User user = (CommonHashTest2.User) o;
            return age == user.age && Objects.equals(name, user.name);
        }

        @Override
        public int hashCode() {
            return Objects.hash(name, age);
        }

        @Override
        public String toString() {
            return "User{" + "name='" + name + '\'' + ", age=" + age + '}';
        }
    }

    /**
     * 普通Hash算法
     */
    public static void normalHash() {
        Map<Integer, Integer> map1 = new HashMap<>();
        for (int i = 0; i < 32; i++) {
            CommonHashTest2.User user = new CommonHashTest2.User("name" + i, i);
            int code = user.hashCode();
            int key = code % 32;
            Integer integer = map1.get(key);
            if (integer != null) {
                map1.put(key, ++integer);
            } else {
                map1.put(key, 1);
            }
        }
        System.out.println("普通Hash算法分布情况：\n" + map1);
    }


    public static void main(String[] args) {
        normalHash();
    }
}

• 运行结果
  
  通过运行结果可以看到，普通Hash算法情况下数据分布失衡情况比较明显。

2. 基于Guava实现一致性Hash算法

• 引入maven依赖：

		<dependency>
            <groupId>com.google.guava</groupId>
            <artifactId>guava</artifactId>
            <version>32.0.1-jre</version>
        </dependency>

• 实现代码：

import com.google.common.hash.HashFunction;
import com.google.common.hash.Hashing;

import java.nio.charset.StandardCharsets;
import java.util.HashMap;
import java.util.Map;
import java.util.Objects;

public class CommonHashTest {
    static class User {
        private String name;
        private int age;

        public User(String name, int age) {
            this.name = name;
            this.age = age;
        }

        @Override
        public boolean equals(Object o) {
            if (this == o) return true;
            if (o == null || getClass() != o.getClass()) return false;
            CommonHashTest.User user = (CommonHashTest.User) o;
            return age == user.age && Objects.equals(name, user.name);
        }

        @Override
        public int hashCode() {
            return Objects.hash(name, age);
        }

        @Override
        public String toString() {
            return "User{" + "name='" + name + '\'' + ", age=" + age + '}';
        }
    }

    /**
     * 普通Hash算法
     */
    public static void normalHash() {
        Map<Integer, Integer> map1 = new HashMap<>();
        for (int i = 0; i < 32; i++) {
            CommonHashTest.User user = new CommonHashTest.User("name" + i, i);
            int code = user.hashCode();
            int key = code % 32;
            Integer integer = map1.get(key);
            if (integer != null) {
                map1.put(key, ++integer);
            } else {
                map1.put(key, 1);
            }
        }
        System.out.println("普通Hash算法分布情况：\n" + map1);
    }

    /**
     * guava实现一致性Hash算法
     */
    public static void guavaConsistentHash() {
        HashFunction hashFunction = Hashing.sha256();
        Map<Integer, Integer> map2 = new HashMap<>();
        for (int i = 0; i < 32; i++) {
            CommonHashTest.User user = new CommonHashTest.User("name" + i, i);
            int key2 = Hashing.consistentHash(hashFunction.hashString(user.toString(), StandardCharsets.UTF_8), 32);
            Integer integer2 = map2.get(key2);
            if (integer2 != null) {
                map2.put(key2, ++integer2);
            } else {
                map2.put(key2, 1);
            }
        }
        System.out.println("\nguava实现一致性Hash算法分布情况：\n" + map2);
    }

    public static void main(String[] args) {
        normalHash();
        guavaConsistentHash();
    }
}

• 运行结果对比：
  

可以看到使用一致性Hash算法以后，比起普通Hash算法，数据分布确实均衡了，不过需要注意的是，Guava的一致性Hash算法也只能保证大概平衡，不能保证绝对平衡。