=
=
=
Jedis一致性hash與sharding https://blog.csdn.net/javahongxi/article/details/79500755
一、Jedis一致性hash
利用緩存技術,不僅可以提升系統性能,還能緩解系統故障。對於redis 3.0以下的版本,redis-server沒有sharding的功能,只有master-slave模式。目前企業用的普遍都是隻有m/s模式的redis多實例部署,無論是master還是slave掛掉,都需要調整程序配置(或代碼)。Jedis爲我們提供了編程級別的sharding方式,本文主要介紹相關API使用方法。
Jedis中sharding基於一致性hash算法,hash值計算採取MD5作爲輔助,此算法似乎已成事實上的標準,不過較新的版本採用的是谷歌的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>();
- // 基於MD5的一致性hash算法實現
- 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(); // 獲得MD5字節序列
- // 前四個字節作爲計算參數,最終獲得一個32位int值.
- // 此種計算方式,能夠確保key的hash值更加“隨即”/“離散”
- // 如果hash值過於密集,不利於一致性hash的實現(特別是有“虛擬節點”設計時)
- 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構建過程:
- //shards列表爲客戶端提供了所有redis-server配置信息,包括:ip,port,weight,name
- //其中weight爲權重,將直接決定“虛擬節點”的“比例”(密度),權重越高,在存儲是被hash命中的概率越高
- //--其上存儲的數據越多。
- //其中name爲“節點名稱”,jedis使用name作爲“節點hash值”的一個計算參數。
- //---
- //一致性hash算法,要求每個“虛擬節點”必須具備“hash值”,每個實際的server可以有多個“虛擬節點”(API級別)
- //其中虛擬節點的個數= “邏輯區間長度” * weight,每個server的“虛擬節點”將會以“hash”的方式分佈在全局區域中
- //全局區域總長爲2^32.每個“虛擬節點”以hash值的方式映射在全局區域中。
- // 環形:0-->vnode1(:1230)-->vnode2(:2800)-->vnode3(400000)---2^32-->0
- //所有的“虛擬節點”將按照其”節點hash“順序排列(正序/反序均可),因此相鄰兩個“虛擬節點”之間必有hash值差,
- //那麼此差值,即爲前一個(或者後一個,根據實現而定)“虛擬節點”所負載的數據hash值區間。
- //比如hash值爲“2000”的數據將會被vnode1所接受。
- //---
- private void initialize(List<S> shards) {
- nodes = new TreeMap<Long, S>();//虛擬節點,採取TreeMap存儲:排序,二叉樹
- for (int i = 0; i != shards.size(); ++i) {
- final S shardInfo = shards.get(i);
- if (shardInfo.getName() == null)
- //當沒有設置“name”是,將“SHARD-NODE”作爲“虛擬節點”hash值計算的參數
- //"邏輯區間步長"爲160,爲什麼呢??
- //最終多個server的“虛擬節點”將會交錯佈局,不一定非常均勻。
- 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選擇方式:
- public R getShard(String key) {
- return resources.get(getShardInfo(key));
- }
- //here:
- public S getShardInfo(byte[] key) {
- //獲取>=key的“虛擬節點”的列表
- SortedMap<Long, S> tail = nodes.tailMap(algo.hash(key));
- //如果不存在“虛擬節點”,則將返回首節點。
- if (tail.size() == 0) {
- return nodes.get(nodes.firstKey());
- }
- //如果存在,則返回符合(>=key)條件的“虛擬節點”的第一個節點
- return tail.get(tail.firstKey());
- }
Jedis sharding默認的一致性hash算法比較適合cache-only的情景,不太適合數據持久化情況。在持久存儲情況下,我們可以使用“強hash”分片,需要重寫hash算法(參加後面的InnerHashing)。強hash算法下,如果某個虛擬節點所在的物理節點故障,將導致數據無法訪問,即無法從虛擬節點列表中刪除失效的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");
- // 注意此處對key的字節轉換時,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算法已經足夠良好,程序員建議不要重寫
- 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以及其他類似的網絡IO server,實現絕對意義上的自動擴容(server端)和自動探測與rebalance,是很難的,同時也有一些風險.
我們現在的做法也比較土:(簡而言之是:監控程序和統一配置)
1) 有個web portal系統,當一個redis實例部署好之後,就是web系統上輸入它的IP地址和探測腳本(腳本用來檢測redis的內存負載情況,存活情況).
2) 錄入之後可以將此redis"上線/下線",即將redis信息同步到zookeeper中(俗稱configserver);
3) 所有redis-client端,都接入configserver,獲取可用的redis列表;並初始化redis-client.
4) redis-client有一個額外的線程用來與configserver保持通訊,實時的跟蹤redis列表的變更.
5) 如果redis列表變更,將導致redis-client端重新調整,主要是重建"一致性hash表".
6) 重建"一致性hash表"的過程,不需要調整代碼或者重啓服務,這個和hash的設計方式有些關係.
簡單的來說,你可以使用任何方式(db,或者JMS訂閱)來獲取redis集羣節點的變更數據即可..對於"客戶端一致性hash表"的設計,也需要有些技巧,最好不要因爲一個節點的join或者remove,導致大面積緩存的命中失敗..
程序中通過合理的配置和編碼,我們可以實現寫master讀slave。
=
=
=