分布式 | dble 沿用 jumpstringhash，移除 Mycat 一致性 hash 原因解析

作者：爱可生开源社区

背景

• MyCat 对于字符串类型为分片字段的数据，有三种分片模式，分别是：模值 hash（求模法），jumpstringhash（跳跃法），一致性 hash（环割法）
• dble 对于 hash 算法选取方面，除了继承 MyCat 的模值 hash，并没有延续使用 MyCat 的一致性 hash，而是推荐使用性能更佳、均衡性更好的“jumpstringhash”算法。

介绍

下面对于环割法（一致性 hash）及跳跃法（jumpstringhash）的原理、特性及优缺点进行简单的介绍。

环割法（一致性 hash）

环割法的原理如下：

1. 初始化的时候生成分片数量X × 环割数量 N 的固定方式编号的字符串，例如 SHARD-1-NODE-1，并计算所有 X×N 个字符串的所有 hash 值。
2. 将所有计算出来的 hash 值放到一个排序的 Map 中，并将其中的所有元素进行排序。
3. 输入字符串的时候计算输入字符串的 hash 值，查看 hash 值介于哪两个元素之间，取小于 hash 值的那个元素对应的分片为数据的分片。

特点	缺点
随机性强	初始化耗时长，内存消耗较高，需要进行大量数据排序，分片消耗高

跳跃法（jumpstringhash）

跳跃法的原理如下：

1. 根据公式：

将数据落在每一个节点的概率进行平均分配。

1. 对于输入的字符串进行计算 hash 值，通过判断每次产生的伪随机值是否小于当前判定的节点 1/x，最终取捕获节点编号最大的作为数据的落点。
2. 在实际使用中使用倒数的方法从最大节点值进行反向判断，一旦当产生的伪随机值大于 x 则判定此节点 x 作为数据的落点。

特点
内存消耗小，均衡性高，计算量相对较小

数据比较

下面将通过测试对环割法和跳跃法的性能及均衡性进行对比，说明 DBLE 为何使用跳跃法代替了环割法。

• 数据源：现场数据 350595 条

• 测试经过：

  1. 通过各自的测试方法执行对于测试数据的分片任务。
  2. 测试方法：记录分片结果的方差；记录从开始分片至分片结束的时间；记录分片结果与平均数的最大差值。
  3. 由于在求模法 PartitionByString 的方法中要求分片的数量是 1024 的因数，所以测试过程只能使用 2 的指数形式进行测试，并在 PartitionByString 方法进行测试的时候不对于 MAC 地址进行截断，取全量长度进行测试。

• 测试结果：

  1. 使用不同方法时，方差随分片数量的情况变化表

     | 分片数量方差| 环割法1000片 | 环割法10000片 | 跳跃法 |
     | ----- | ----- | ----- | ----- |
     | 4 | 4484780 | 812418 | 315703 |
     | 8 | 601593 | 545599 | 315587 |
     | 16 | 453694 | 131816 | 67018 |
     | 32 | 213856 | 74360 | 86125 |
     | 64 | 69313 | 46618 | 37939 |
     | 128 | 24329 | 26415 | 25429 |

![](https://upload-images.jianshu.io/upload_images/6561209-a63fa9154c535bbf.jpg?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

summary

1. 在同样分片数据量的情况下，两种方法的方差都会随着分片数量的增>加而减少。
2. 在分片数量足够多的情况下，两种方法并没有太大的区别。
3. 在节点数量相对较少的情况下，跳跃法的均衡性最好。
4. 使用环割法时，增加环切的数量能够提高分片的均衡性，但是均衡性提高的幅度会随着分片数量的增加而减少。

1. 使用不同方法时，消耗的时间随着分片数量的情况变化表

| 分片数量耗时| 环割法1000片 | 环割法10000片 | 跳跃法 |

    | ----- | ----- | ----- | ----- | 
    | 4 | 0.419| 0.532| 0.069 |
    | 8 | 0.41 | 0.425 | 0.067 |
    | 16 | 0.512 | 0.545 | 0.06 |
    | 32 | 0.55 | 0.525 | 0.07 |
    | 64 | 0.683 | 0.59 | 0.087 |
    | 128 | 0.559 | 0.659 | 0.094 |

summary

1. 环割法相比于跳跃法有较大的性能差距，大约相差一个数量级。
2. 跳跃法的时间消耗会随着分片数量的增加而小幅度的上升。
3. 环割法的时间消耗随着环割数量的增加而小幅度的增加。

1. 使用不同方法时，节点分配数据量和平均数据量的最大偏差和分片数量的情况变化表

| 分片数量最大平均数偏离| 环割法1000片 | 环割法10000片 | 跳跃法 |
| ----- | ----- | ----- | ----- |
| 4 | 3027 | 1513| 802 |
| 8 | 1530 | 1488 | 822 |
| 16 | 1121 | 622 | 556 |
| 32 | 1044 | 358 | 672 |
| 64 | 673 | 560 | 424 |
| 128 | 503 | 348 | 682 |

summary

1. 两种方法的最大偏差都会随着分片数量的上升而下降，最后当分片数量足够多的时候，两种方法并没有明显的区别。
2. 在分片数量少的时候，跳跃法的均衡性最好，环割法相对最差。
3. 使用环割法时，增加环切的数量能够提高分片的均衡性，但是均衡性提高的幅度会随着分片数量的增加而减少。

综上测试对比：
从一致性 hash 的多种测试结果来看，都没有很好的性能表现。因此，DBLE 在 hash 算法选取方面，使用 jumpstringhash 代替了一致性 hash。
如果您是从 Mycat 迁移过来的，使用了一致性 hash，可以通过自定义拆分算法来实现。

自定义拆分算法相关链接：
https://github.com/actiontech...