memcached缓存分布式部署方案

一、分布式方案介绍

比较流行的两种方案：

1.取余分布：

计算key的哈希值，与服务器数量取余，得到目标服务器。优点：实现简单，当某台服务器不可用时，故障转移方便；缺点：当增减服务器时， Key与服务器取余变动量较大，缓存重组代价极大。

代码实现可参考开源组件Memcached.ClientLibrary下的SockIOPool，源码地址：

https://sourceforge.net/p/memcacheddotnet/code/HEAD/tree/trunk/clientlib/src/clientlib/SockIOPool.cs

2.一致性哈希环分布：

其原理参考

https://www.cnblogs.com/lpfuture/p/5796398.html

http://www.zsythink.net/archives/1182

这两位老哥写的很清楚和直白，很容易理解。

一致性哈希环分布需要物理节点和虚拟节点，且虚拟节点对应到物理节点的服务器上。

二、代码实现

由于Memcached.ClientLibrary的作者已出取余分布的实现，这里不再叙述，以下代码和测试均是一致性哈希分布的。

1.数据结构：

服务器列表：List<string> servers；//IP:PORT

服务器虚拟节点数：List<int> weights；//与servers一一对应，灵活设置每server的不同虚拟节点数

节点存储结构：SortedDictionary<long, String> buckets;

Key：long类型，存储节点的hash%2^32；

Value：String类型，存储节点，即IP:PORT；

2.代码

计算哈希值算法，参考Memcached.ClientLibrary下的SockIOPool：

https://sourceforge.net/p/memcacheddotnet/code/HEAD/tree/trunk/clientlib/src/clientlib/SockIOPool.cs

        private int CalculateHashValue(String key)

        {

            int hv;

            switch (_hashingAlgorithm)

            {

                case EnumHashingAlgorithm.Native:

                    hv = key.GetHashCode();

                    break;

 

                case EnumHashingAlgorithm.OldCompatibleHash:

                    hv = HashingAlgorithmTool.OriginalHashingAlgorithm(key);

                    break;

 

                case EnumHashingAlgorithm.NewCompatibleHash:

                    hv = HashingAlgorithmTool.NewHashingAlgorithm(key);

                    break;

 

                default:

                    // use the native hash as a default

                    hv = key.GetHashCode();

                    _hashingAlgorithm = EnumHashingAlgorithm.Native;

                    break;

            }

            return hv;

        }

 

经过测试，OldCompatibleHash方式计算的哈希值比较散列。

//哈希取余值，为什么是2的32次方：IPV4的总量是2的32次方个，可以保证环上的IP不重复 long HashValue = (long)Math.Pow(2, 32); 将Key生成一致性哈希环中的哈希值         private long GenerateConsistentHashValue(String key)         {             long serverHV = CalculateHashValue(key);             long mod = serverHV % HashValue;             if (mod < 0)             {                 mod = mod + HashValue;             }             return mod;         }

将Servers生成节点（物理+虚拟）:

        private void GenerateServersToBuckets()         {             for (int i = 0; i < _servers.Count; i++)             {                 // 创建物理节点                 String server = _servers[i];                 long mod = GenerateConsistentHashValue(server);                 buckets.Add(mod, server);                 //创建虚拟节点                 List<String> virtualHostServers = GenerateVirtualServer(server, this.Weights[i]);                 foreach (String v in virtualHostServers)                 {                     mod = GenerateConsistentHashValue(v);                     buckets.Add(mod, server);                 }             }         }

根据物理节点生成虚拟节点

private static List<String> GenerateVirtualServer(String server, int count)         {             if (count > 255)             {                 throw new ArgumentException("每服务器虚拟节点数不能超过254");             }             List<String> virtualServers = new List<string>();              #region 1.按修改IP值+随机GUID生成虚拟节点             String[] ipaddr = server.Split(':');             String ip = ipaddr[0];             string port = ipaddr[1];             int header = Convert.ToInt32(ip.Split('.')[0]);             String invariantIPPart = ip.Substring(ip.IndexOf('.'));             int succ = 0;             for (int i = 1; i <= 255; i++)             {                 if (i != header)                 {                     String virtualServer = i.ToString() + invariantIPPart + ":" + port + i;// Guid.NewGuid().ToString("N").ToUpper();                     virtualServers.Add(virtualServer);                     succ++;                 }                 if (succ == count)                 {                     break;                 }             }              #endregion              #region 2.物理节点自增序号||随机GUID             //for (int i = 0; i < count; i++)             //{             //    //virtualServers.Add(server + i.ToString());             //    virtualServers.Add(server + i.ToString()+Guid.NewGuid().ToString());             //}              #endregion              #region 32.其它生成算法             //TODO             #endregion              return virtualServers;         }

 

三、节点分布测试

四台服务器：{ "192.168.1.100:11211", "192.168.1.101:11211", "192.168.1.102:11211", "192.168.1.103:11211" }

哈希算法不同，则节点分布规则不同

1.物理节点分布

2．每物理节点10虚拟节点

节点分布测试结果：

节点数共有（物理4+虚拟4*10）：44

在第一个节点和第二个节点间：

服务器A的虚拟节点数：1    占比：10%

服务器B的虚拟节点数：1    占比：10%

服务器C的虚拟节点数：0    占比：0%

服务器D的虚拟节点数：2    占比：20%

在第二个节点和第三个节点间：

服务器A的虚拟节点数：0    占比：0%

服务器B的虚拟节点数：0    占比：0%

服务器C的虚拟节点数：2    占比：20%

服务器D的虚拟节点数：2    占比：20%

在第三个节点和第四个节点间：

服务器A的虚拟节点数：4    占比：40%

服务器B的虚拟节点数：5    占比：50%

服务器C的虚拟节点数：4    占比：40%

服务器D的虚拟节点数：4    占比：40%

在第四个节点和第一个节点间：

服务器A的虚拟节点数：5    占比：50%

服务器B的虚拟节点数：4    占比：40%

服务器C的虚拟节点数：4    占比：40%

服务器D的虚拟节点数：2    占比：20%

 3.每物理节点30虚拟节点

节点分布测试结果：

节点数共有（物理4+虚拟4*30）：124

在第一个节点和第二个节点间：

服务器A的虚拟节点数：7    占比：23%

服务器B的虚拟节点数：7    占比：23%

服务器C的虚拟节点数：6    占比：20%

服务器D的虚拟节点数：7    占比：23%

在第二个节点和第三个节点间：

服务器A的虚拟节点数：3    占比：10%

服务器B的虚拟节点数：1    占比：3%

服务器C的虚拟节点数：4    占比：13%

服务器D的虚拟节点数：4    占比：13%

在第三个节点和第四个节点间：

服务器A的虚拟节点数：11    占比：36%

服务器B的虚拟节点数：11    占比：36%

服务器C的虚拟节点数：10    占比：33%

服务器D的虚拟节点数：10    占比：33%

在第四个节点和第一个节点间：

服务器A的虚拟节点数：9    占比：30%

服务器B的虚拟节点数：11    占比：36%

服务器C的虚拟节点数：10    占比：33%

服务器D的虚拟节点数：9    占比：30%

4. 每物理节点50虚拟节点：.

 

 

节点分布测试结果：

节点数共有（物理4+虚拟4*50）：204

在第一个节点和第二个节点间：

服务器A的虚拟节点数：14    占比：28%

服务器B的虚拟节点数：13    占比：26%

服务器C的虚拟节点数：12    占比：24%

服务器D的虚拟节点数：13    占比：26%

在第二个节点和第三个节点间：

服务器A的虚拟节点数：4    占比：8%

服务器B的虚拟节点数：3    占比：6%

服务器C的虚拟节点数：5    占比：10%

服务器D的虚拟节点数：7    占比：14%

在第三个节点和第四个节点间：

服务器A的虚拟节点数：17    占比：34%

服务器B的虚拟节点数：18    占比：36%

服务器C的虚拟节点数：16    占比：32%

服务器D的虚拟节点数：16    占比：32%

在第四个节点和第一个节点间：

服务器A的虚拟节点数：15    占比：30%

服务器B的虚拟节点数：16    占比：32%

服务器C的虚拟节点数：17    占比：34%

服务器D的虚拟节点数：14    占比：28%

5. 每物理节点80虚拟节点

 

 

节点分布测试结果：

节点数共有（物理4+虚拟4*80）：324

在第一个节点和第二个节点间：

服务器A的虚拟节点数：22    占比：27%

服务器B的虚拟节点数：23    占比：28%

服务器C的虚拟节点数：21    占比：26%

服务器D的虚拟节点数：22    占比：27%

在第二个节点和第三个节点间：

服务器A的虚拟节点数：7    占比：8%

服务器B的虚拟节点数：5    占比：6%

服务器C的虚拟节点数：9    占比：11%

服务器D的虚拟节点数：10    占比：12%

在第三个节点和第四个节点间：

服务器A的虚拟节点数：27    占比：33%

服务器B的虚拟节点数：27    占比：33%

服务器C的虚拟节点数：25    占比：31%

服务器D的虚拟节点数：24    占比：30%

在第四个节点和第一个节点间：

服务器A的虚拟节点数：24    占比：30%

服务器B的虚拟节点数：25    占比：31%

服务器C的虚拟节点数：25    占比：31%

服务器D的虚拟节点数：24    占比：30%

6. 每物理节点100虚拟节点

 

 

节点分布测试结果：

节点数共有（物理4+虚拟4*100）：404

在第一个节点和第二个节点间：

服务器A的虚拟节点数：29    占比：29%

服务器B的虚拟节点数：30    占比：30%

服务器C的虚拟节点数：28    占比：28%

服务器D的虚拟节点数：28    占比：28%

在第二个节点和第三个节点间：

服务器A的虚拟节点数：8    占比：8%

服务器B的虚拟节点数：8    占比：8%

服务器C的虚拟节点数：11    占比：11%

服务器D的虚拟节点数：12    占比：12%

在第三个节点和第四个节点间：

服务器A的虚拟节点数：33    占比：33%

服务器B的虚拟节点数：32    占比：32%

服务器C的虚拟节点数：30    占比：30%

服务器D的虚拟节点数：30    占比：30%

在第四个节点和第一个节点间：

服务器A的虚拟节点数：30    占比：30%

服务器B的虚拟节点数：30    占比：30%

服务器C的虚拟节点数：31    占比：31%

服务器D的虚拟节点数：30    占比：30%

说明：由于统计计算时按int取值，服务器虚拟节点比率总和可能有1的误差。

总结：以上可以看出当总节点在300以上时，各物理节点之间的虚拟节点所占比率变化较小，说明分布比较均匀。

四、存取数据查找服务器

原理：根据数据的Key与HashValue取余值hv，查找buckets中Key>=hv的第一个服务器，即是Key的目标服务器，当返回的服务器不可用时，还可以进行故障转移

1.从节点环中查找服务器

private String FindServer(String key, ref long startIndex)         {             long mod = startIndex;             if (mod < 0)             {                 mod = GenerateConsistentHashValue(key);             }             foreach (KeyValuePair<long, String> kvp in buckets)             {                 startIndex = kvp.Key;                 //找到第一个大于或等于key的服务器                 if (kvp.Key >= mod)                 {                     //若找到的服务器不可用，则继续查找下一服务器                     if (_hostDead.ContainsKey(kvp.Value))                     {                         continue;                     }                     return kvp.Value;                 }             }             //如果大于mod的服务器均不可用或没有找到，则从头开始找可用服务器             foreach (KeyValuePair<long, String> kvp in buckets)             {                 startIndex = kvp.Key;                 if (kvp.Key >= mod)                 {                     break;                 }                 if (_hostDead.ContainsKey(kvp.Value))                 {                     continue;                 }                 return kvp.Value;             }             //不存在可用服务器             return string.Empty;         }

2.获取服务器及连接

 public ISockIO GetSock(string key)         {             if (buckets.Count == 0)             {                 return null;             }              if (buckets.Count == 1)             {                 return GetConnection(buckets[0]);             }              long startIndex = -1;//开始查找位置，-1表示从hash(key)% HashValue位置开始查找             int tries = 0;//重试次数，不超过总服务器数             while (tries++ <= this.servers.Count)             {                 String server = FindServer(key, ref startIndex);                 //找不到可用的服务器                 if (String.IsNullOrEmpty(server))                 {                     return null;                 }                 ISockIO sock = GetConnection(server);                 if (sock != null)                 {                     WriteLog.Write("key：" + key + ",server：" + server);                     return sock;                 }                 //是否需要故障转移，若需要，则会继续查找可用的服务器                 if (!_failover)                 {                     return null;                 }             }             return null;         }

 

文章来源: memcached缓存分布式部署方案