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,而是选取了另一种流行的算法 —— “jumpstringhash”。
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:
- 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。
- 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。
- 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:
-
根据公式:
将数据落在每一个节点的概率进行平均分配。
-
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。
-
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:
- 通过各自的测试方法执行对于测试数据的分片任务。
- 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。
- 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:
- 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 |
summary
- 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。
- 在分片数量足够多的情况下,两种方法并没有太大的区别。
- 在节点数量相对较少的情况下,跳跃法的均衡性最好。
- 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。
- 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
- 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。
- 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。
- 环割法的时间消耗随着环割数量的增加而小幅度的增加。
- 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
- 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。
- 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。
- 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: