分布式哈希和一致性哈希

    分布式哈希和一致性哈希是分布式存储和p2p网络中说的比较多的两个概念了。介绍的论文很多，这里做一个入门性质的介绍。

    分布式哈希(DHT)

     两个key point：每个节点只维护一部分路由；每个节点只存储一部分数据。从而实现整个网络中的寻址和存储。

     DHT只是一个概念，提出了这样一种网络模型。并且说明它是对分布式存储很有好处的。但具体怎么实现，并不是DHT的范畴。

    一致性哈希：

     DHT的一种实现。本质还是一个哈希算法。回想平时我们做负载均衡，按querystring签名对后端节点取模是最简单也是最常用的算法，但节点的增删后所造成的问题显而易见，原有的请求几乎都落不到同一台机器上。优化一点的是carp算法(用机器ip和query一起做hash，选取hash值最小的一台)，只让1/n的数据受到影响。

     一致性哈希，似乎最早提出是在分布式缓存里面的，让节点震荡的时候，影响最小。不过现在已经应用在分布式存储和p2p系统里面。

    一致性哈希也只是提出四个概念和原则，并没有提及具体实现：

    1、balance：哈希结果尽可能的平均分散到各个节点上，使得每个节点都能得到充分利用。

    2、Monotonicity：上面也说了，如果是用签名取模算法，节点变更会使得整个网络的映射关系更改。如果是carp，会使得1/n的映射关系更改。一致性哈希的目标，是节点变更，不会改变网络的映射关系。

    3、spread：同一份数据，存储到不同的节点上，换言之就是系统冗余。一致性哈希致力于降低系统冗度。

    4、load：负载分散，和balance其实是差不多的意思，不过这里更多是指数据存储的均衡，balance是指访的均衡。

    Chord算法：

     一致性哈希有多种实现算法，最关键的问题在于如何定义数据分割策略和节点快速查询。

    chord算是最为经典的实现。cassandra中的DHT，基本是chord的简化版。

    网络中每个节点分配一个唯一id，可以通过机器的mac地址做sha1，是网络发现的基础。

    假设整个网络有N 个节点，并且网络是呈环状。两个节点间的距离定义为每个节点会存储一张路由表(finger表)，表内顺时针按照离本节点2、4、8、16、32.……2i的距离选定log2N个其他节点的ip信息来记录。

    存储方面：数据被按一定规则切割，每一份数据也有一个独立id(查询key)，并且和节点id的值域是一样的。然后查找节点，如果存在和数据id一样的节点id，则将这份数据存在该节点上；如果不存在，则存储到离该数据id距离最近的节点上。同时，为了保证数 据的可靠性，会顺时针往下找K个冗余节点，存储这份数据。一般认为K=3是必须的。

    查询方面：先从自己的路由表中，找一个和数据id距离最近、并且存活在网络中的节点next。如果该节点的 id巧合和数据id相等，那么恭喜你。如果不相等，则到next进行递归查找。一般或需要经过多次查询才能找到数据所在的节点，而这个次数是可以被证明小 于等于log2N的。

    在这个查询的过程中就体现了路由表的选取优势了，其实是实现了一个二分查找，从每个节点来观察网络，都是将网络分成了log2N块，最大一块里面有N/2个节点。路由表里面其实是记录了每一块的第一个节点。这样每一次查询，最少排除了一半的节点。保证在 log2N次内找到目标节点。

    新增一个节点i，需要预先知道网络中已经存活的一个节点j，然后通过和节点j交互，更新自己和其他节点的路由表。并且，需要将离自己距离最近的节点中的数据copy过来，以提供数据服务。

    损失一个节点，路由算法会自动跳过这个节点，并且依靠数据的冗余来持续提供服务。

    KAD算法(Kademlia)

     kad算法其实是在chord上做的优化。主要是两个点：

     1、用二进制(32/64/128)表示一个节点的id，两节点的id异或运算得到节点间的距离。

     2、 每个节点保持的路由信息更丰富，同样是将整个网络按照划分成log2N份，在chord中，是保持log2N个路由节点，但在kad里面，是保存了 log2N个队列。每个队列长度为配置值K，记录网络中对应节点区域的多个节点，并且根据活跃时间对这些节点进行换入换出。

     第一点是方便进行网络划分，节点按照二进制中每一bit的0或1建成一棵二叉树。

    第二点是使得节点查询更迅速。从分割情况我们就可以得知，最坏情况不会差于chord，但保存更多的节点使得命中概率更高。另外队列中根据活跃时间进行换入换出，更有利于在p2p这种节点变更频繁的网络中快速找到有效的节点。

    关于kad的介绍，这篇文章讲的比较详细wenku.baidu.com/view/ee91580216fc700abb68fcae.html

建议继续学习：

1. 分布式缓存系统 Memcached 入门    (阅读：14723)
2. Zookeeper工作原理    (阅读：10400)
3. GFS, HDFS, Blob File System架构对比    (阅读：9383)
4. Zookeeper研究和应用    (阅读：8521)
5. 分布式日志系统scribe使用手记    (阅读：8043)
6. 一致性哈希算法及其在分布式系统中的应用    (阅读：7933)
7. HBase技术介绍    (阅读：6761)
8. 分布式系统的事务处理    (阅读：5999)
9. Memcache分布式部署方案    (阅读：5450)
10. ZooKeeper典型使用场景一览    (阅读：5170)