正文

redis一致性hash算法

發(fā)布時間：2023-04-07 12:12:52 稿源：創(chuàng)意嶺閱讀： 106

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關(guān)于redis一致性hash算法的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計劃、工作報告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關(guān)鍵詞，就能返回你想要的內(nèi)容，越精準(zhǔn)，寫出的就越詳細(xì)，有微信小程序端、在線網(wǎng)頁版、PC客戶端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務(wù)客戶遍布全球各地，如需了解SEO相關(guān)業(yè)務(wù)請撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

1、Redis技巧:分片技術(shù)和Hash Tag
2、Redis集群方案應(yīng)該怎么做
3、「干貨」redis面試題
4、Spring Data Redis - Redis Repositories使用技巧

redis一致性hash算法

一、Redis技巧:分片技術(shù)和Hash Tag

twitter的 twemproxy 是一個Redis的代理服務(wù)程序,能夠?qū)崿F(xiàn)key的分片。分片能使key均勻地分布到集群的機(jī)器上去，能保證數(shù)據(jù)的一致性，有著眾多的優(yōu)點。

但從Redis單實例切換到twemproxy集群時，還是有些需要注意的地方：

不支持的方法：

KEYS,MIGRATE,SCAN等

支持但需特殊處理的方法：

MSET,SINTERSTORE,SUNIONSTORE,ZINTERSTORE,ZUNIONSTORE等

全部請查看 Redis命令列表 .

對于不支持的方法，在使用時需要尋找替代方案。本文主要解決一下需特殊處理的方法。

單實例上的MSET是一個原子性(atomic)操作，所有給定 key 都會在同一時間內(nèi)被設(shè)置，某些給定 key 被更新而另一些給定 key 沒有改變的情況，不可能發(fā)生。

而集群上雖然也支持同時設(shè)置多個key，但不再是原子性操作。會存在某些給定 key 被更新而另外一些給定 key 沒有改變的情況。其原因是需要設(shè)置的多個key可能分配到不同的機(jī)器上。

這四個命令屬于同一類型。它們的共同之處是都需要對一組key進(jìn)行運算或操作，但要求這些key都被分配到相同機(jī)器上。

這就是分片技術(shù)的矛盾之處：

即要求key盡可能地分散到不同機(jī)器，又要求某些相關(guān)聯(lián)的key分配到相同機(jī)器。

解鈴還需系鈴人。解決方法還是從分片技術(shù)的原理上找。

分片，就是一個hash的過程：對key做md5，sha1等hash算法，根據(jù)hash值分配到不同的機(jī)器上。

為了實現(xiàn)將key分到相同機(jī)器，就需要相同的hash值，即相同的key（改變hash算法也行，但不簡單）。

但key相同是不現(xiàn)實的，因為key都有不同的用途。例如user:user1:ids保存用戶的tweets ID，user:user1:tweets保存tweet的具體內(nèi)容，兩個key不可能同名。

仔細(xì)觀察user:user1:ids和user:user1:tweets，兩個key其實有相同的地方，即user1。能不能拿這一部分去計算hash呢？

這就是 Hash Tag 。允許用key的部分字符串來計算hash。

當(dāng)一個key包含 {} 的時候，就不對整個key做hash，而僅對 {} 包括的字符串做hash。

假設(shè)hash算法為sha1。對user:{user1}:ids和user:{user1}:tweets，其hash值都等同于sha1(user1)。

Hash Tag是用于hash的部分字符串開始和結(jié)束的標(biāo)記，例如"{}"、"$$"等。

配置時，只需更改hash_tag字段即可

博客鏈接： http://spetacular.github.io/2015/09/20/redis-hash-tag.html

二、Redis集群方案應(yīng)該怎么做

使用方法和普通redis無任何區(qū)別，設(shè)置好它下屬的多個redis實例后，使用時在本需要連接redis的地方改為連接twemproxy，它會以一個代理的身份接收請求并使用一致性hash算法，將請求轉(zhuǎn)接到具體redis，將結(jié)果再返回twemproxy。

三、「干貨」redis面試題

Redis 的全稱是：Remote Dictionary.Server，本質(zhì)上是一個 Key-Value 類型的內(nèi)存數(shù)據(jù)庫，很像

memcached，整個數(shù)據(jù)庫統(tǒng)統(tǒng)加載在內(nèi)存當(dāng)中進(jìn)行操作，定期通過異步操作把數(shù)據(jù)庫數(shù)據(jù) flush 到硬盤

上進(jìn)行保存。

因為是純內(nèi)存操作，Redis 的性能非常出色，每秒可以處理超過 10 萬次讀寫操作，是已知性能最快的

Key-Value DB。

Redis 的出色之處不僅僅是性能，Redis 最大的魅力是支持保存多種數(shù)據(jù)結(jié)構(gòu)，此外單個 value 的最大限

制是 1GB，不像 memcached 只能保存 1MB 的數(shù)據(jù)，因此 Redis 可以用來實現(xiàn)很多有用的功能。

比方說用他的 List 來做 FIFO 雙向鏈表，實現(xiàn)一個輕量級的高性能消息隊列服務(wù)，用他的 Set 可以做高

性能的 tag 系統(tǒng)等等。

另外 Redis 也可以對存入的 Key-Value 設(shè)置 expire 時間，因此也可以被當(dāng)作一個功能加強(qiáng)版的

memcached 來用。 Redis 的主要缺點是數(shù)據(jù)庫容量受到物理內(nèi)存的限制，不能用作海量數(shù)據(jù)的高性能

讀寫，因此 Redis 適合的場景主要局限在較小數(shù)據(jù)量的高性能操作和運算上。

1.memcached 所有的值均是簡單的字符串，redis 作為其替代者，支持更為豐富的數(shù)據(jù)類型

2.redis 的速度比 memcached 快很多 redis 的速度比 memcached 快很多

3.redis 可以持久化其數(shù)據(jù) redis 可以持久化其數(shù)據(jù)

String、List、Set、Sorted Set、hashes

內(nèi)存。

1.noeviction:返回錯誤當(dāng)內(nèi)存限制達(dá)到，并且客戶端嘗試執(zhí)行會讓更多內(nèi)存被使用的命令。

2.allkeys-lru: 嘗試回收最少使用的鍵（LRU），使得新添加的數(shù)據(jù)有空間存放。

3.volatile-lru: 嘗試回收最少使用的鍵（LRU），但僅限于在過期集合的鍵,使得新添加的數(shù)據(jù)有空間存

放。

4.allkeys-random: 回收隨機(jī)的鍵使得新添加的數(shù)據(jù)有空間存放。

5.volatile-random: 回收隨機(jī)的鍵使得新添加的數(shù)據(jù)有空間存放，但僅限于在過期集合的鍵。

6.volatile-ttl: 回收在過期集合的鍵，并且優(yōu)先回收存活時間（TTL）較短的鍵,使得新添加的數(shù)據(jù)有空間

存放。

因為目前 Linux 版本已經(jīng)相當(dāng)穩(wěn)定，而且用戶量很大，無需開發(fā) windows 版本，反而會帶來兼容性等問

題。

512M

Redis 為了達(dá)到最快的讀寫速度將數(shù)據(jù)都讀到內(nèi)存中，并通過異步的方式將數(shù)據(jù)寫入磁盤。

所以 redis 具有快速和數(shù)據(jù)持久化的特征，如果不將數(shù)據(jù)放在內(nèi)存中，磁盤 I/O 速度為嚴(yán)重影響 redis 的

性能。

在內(nèi)存越來越便宜的今天，redis 將會越來越受歡迎，如果設(shè)置了最大使用的內(nèi)存，則數(shù)據(jù)已有記錄數(shù)達(dá)

到內(nèi)存限值后不能繼續(xù)插入新值。

1.codis 2.目前用的最多的集群方案，基本和 twemproxy 一致的效果，但它支持在節(jié)點數(shù)量改變情況下，舊節(jié)點

數(shù)據(jù)可恢復(fù)到新 hash 節(jié)點。

redis cluster3.0 自帶的集群，特點在于他的分布式算法不是一致性 hash，而是 hash 槽的概念，以及自

身支持節(jié)點設(shè)置從節(jié)點。具體看官方文檔介紹。

3.在業(yè)務(wù)代碼層實現(xiàn)，起幾個毫無關(guān)聯(lián)的 redis 實例，在代碼層，對 key 進(jìn)行 hash 計算，然后去對應(yīng)的

redis 實例操作數(shù)據(jù)。這種方式對 hash 層代碼要求比較高，考慮部分包括，節(jié)點失效后的替代算法方

案，數(shù)據(jù)震蕩后的自動腳本恢復(fù)，實例的監(jiān)控，等等。

有 A，B，C 三個節(jié)點的集群,在沒有復(fù)制模型的情況下,如果節(jié)點 B 失敗了，那么整個集群就會以為缺少

5501-11000 這個范圍的槽而不可用。

redis 內(nèi)存數(shù)據(jù)集大小上升到一定大小的時候，就會施行數(shù)據(jù)淘汰策略。

（1）會話緩存（Session Cache）

最常用的一種使用 Redis 的情景是會話緩存（sessioncache），用 Redis 緩存會話比其他存儲（如

Memcached）的優(yōu)勢在于：Redis 提供持久化。當(dāng)維護(hù)一個不是嚴(yán)格要求一致性的緩存時，如果用戶的

購物車信息全部丟失，大部分人都會不高興的，現(xiàn)在，他們還會這樣嗎？

幸運的是，隨著 Redis 這些年的改進(jìn)，很容易找到怎么恰當(dāng)?shù)氖褂?Redis 來緩存會話的文檔。甚至廣為

人知的商業(yè)平臺 Magento 也提供 Redis 的插件。

（2）全頁緩存（FPC）

除基本的會話 token 之外，Redis 還提供很簡便的 FPC 平臺?；氐揭恢滦詥栴}，即使重啟了 Redis 實

例，因為有磁盤的持久化，用戶也不會看到頁面加載速度的下降，這是一個極大改進(jìn)，類似 PHP 本地

FPC。

再次以 Magento 為例，Magento 提供一個插件來使用 Redis 作為全頁緩存后端。

此外，對 WordPress 的用戶來說，Pantheon 有一個非常好的插件 wp-redis，這個插件能幫助你以最快

速度加載你曾瀏覽過的頁面。

（3）隊列

Reids 在內(nèi)存存儲引擎領(lǐng)域的一大優(yōu)點是提供 list 和 set 操作，這使得 Redis 能作為一個很好的消息隊列

平臺來使用。Redis 作為隊列使用的操作，就類似于本地程序語言（如 Python）對 list 的 push/pop

操作。

如果你快速的在 Google 中搜索“Redis queues”，你馬上就能找到大量的開源項目，這些項目的目的

就是利用 Redis 創(chuàng)建非常好的后端工具，以滿足各種隊列需求。例如，Celery 有一個后臺就是使用

Redis 作為 broker，你可以從這里去查看。

（4）排行榜/計數(shù)器 Redis 在內(nèi)存中對數(shù)字進(jìn)行遞增或遞減的操作實現(xiàn)的非常好。集合（Set）和有序集合（SortedSet）也使

得我們在執(zhí)行這些操作的時候變的非常簡單，Redis 只是正好提供了這兩種數(shù)據(jù)結(jié)構(gòu)。

所以，我們要從排序集合中獲取到排名最靠前的 10 個用戶–我們稱之為“user_scores”，我們只需要像

下面一樣執(zhí)行即可：

當(dāng)然，這是假定你是根據(jù)你用戶的分?jǐn)?shù)做遞增的排序。如果你想返回用戶及用戶的分?jǐn)?shù)，你需要這樣執(zhí)

行：

ZRANGE user_scores 0 10 WITHSCORES

Agora Games 就是一個很好的例子，用 Ruby 實現(xiàn)的，它的排行榜就是使用 Redis 來存儲數(shù)據(jù)的，你可

以在這里看到。

立聊天系統(tǒng)！

Redisson、Jedis、lettuce 等等，官方推薦使用 Redisson。

Redisson 是一個高級的分布式協(xié)調(diào) Redis 客服端，能幫助用戶在分布式環(huán)境中輕松實現(xiàn)一些 Java 的對

象 (Bloom filter, BitSet, Set, SetMultimap, ScoredSortedSet, SortedSet, Map, ConcurrentMap,

List, ListMultimap, Queue, BlockingQueue, Deque, BlockingDeque, Semaphore, Lock,

ReadWriteLock, AtomicLong, CountDownLatch, Publish / Subscribe, HyperLogLog)。

Jedis 是 Redis 的 Java 實現(xiàn)的客戶端，其 API 提供了比較全面的 Redis 命令的支持；

Redisson 實現(xiàn)了分布式和可擴(kuò)展的 Java 數(shù)據(jù)結(jié)構(gòu)，和 Jedis 相比，功能較為簡單，不支持字符串操作，

Redis 集群沒有使用一致性 hash,而是引入了哈希槽的概念，Redis 集群有 16384 個哈希槽，每個 key 通

過 CRC16 校驗后對 16384 取模來決定放置哪個槽，集群的每個節(jié)點負(fù)責(zé)一部分 hash 槽。

為了使在部分節(jié)點失敗或者大部分節(jié)點無法通信的情況下集群仍然可用，所以集群使用了主從復(fù)制模型,

每個節(jié)點都會有 N-1 個復(fù)制品.

Redis 并不能保證數(shù)據(jù)的強(qiáng)一致性，這意味這在實際中集群在特定的條件下可能會丟失寫操作。

異步復(fù)制

16384 個

Redis 集群目前無法做數(shù)據(jù)庫選擇，默認(rèn)在 0 數(shù)據(jù)庫。

一次請求/響應(yīng)服務(wù)器能實現(xiàn)處理新的請求即使舊的請求還未被響應(yīng)，這樣就可以將多個命令發(fā)送到服務(wù)

器，而不用等待回復(fù)，最后在一個步驟中讀取該答復(fù)。

這就是管道（pipelining），是一種幾十年來廣泛使用的技術(shù)。例如許多 POP3 協(xié)議已經(jīng)實現(xiàn)支持這個功

能，大大加快了從服務(wù)器下載新郵件的過程。

事務(wù)是一個單獨的隔離操作：事務(wù)中的所有命令都會序列化、按順序地執(zhí)行，事務(wù)在執(zhí)行的過程中，不會被其他客戶端發(fā)送來的命令請求所打斷。

事務(wù)是一個原子操作：事務(wù)中的命令要么全部被執(zhí)行，要么全部都不執(zhí)行。

MULTI、EXEC、DISCARD、WATCH

EXPIRE 和 PERSIST 命令

盡可能使用散列表（hashes），散列表（是說散列表里面存儲的數(shù)少）使用的內(nèi)存非常小，所以你應(yīng)該盡可能的將你的數(shù)據(jù)模型抽象到一個散列表里面。

比如你的 web 系統(tǒng)中有一個用戶對象，不要為這個用戶的名稱，姓氏，郵箱，密碼設(shè)置單獨的 key,而是應(yīng)該把這個用戶的所有信息存儲到一張散列表里面。

一個客戶端運行了新的命令，添加了新的數(shù)據(jù)。Redi 檢查內(nèi)存使用情況，如果大于 maxmemory 的限制, 則根據(jù)設(shè)定好的策略進(jìn)行回收。一個新的命令被執(zhí)行，等等。

所以我們不斷地穿越內(nèi)存限制的邊界，通過不斷達(dá)到邊界然后不斷地回收回到邊界以下。

如果一個命令的結(jié)果導(dǎo)致大量內(nèi)存被使用（例如很大的集合的交集保存到一個新的鍵），不用多久內(nèi)存限制就會被這個內(nèi)存使用量超越。

咱們來看上面那張圖，現(xiàn)在某個客戶端要加鎖。如果該客戶端面對的是一個 redis cluster 集群，他首先會根據(jù) hash 節(jié)點選擇一臺機(jī)器。這里注意，僅僅只是選擇一臺機(jī)器！這點很關(guān) 鍵！緊接著，就會發(fā)送一段 lua 腳本到 redis 上，那段 lua 腳本如下所示：

為啥要用 lua 腳本呢？因為一大坨復(fù)雜的業(yè)務(wù)邏輯，可以通過封裝在 lua 腳本中發(fā)送給 redis，保證這段復(fù)雜業(yè)務(wù)邏輯執(zhí)行的原子性。

那么，這段 lua 腳本是什么意思呢？這里 KEYS[1]代表的是你加鎖的那個 key，比如說：RLoc

k lock = redisson.getLock("myLock");這里你自己設(shè)置了加鎖的那個鎖 key 就是“myLock”。

ARGV[1]代表的就是鎖 key 的默認(rèn)生存時間，默認(rèn) 30 秒。ARGV[2]代表的是加鎖的客戶端的 I D，類似于下面這樣：8743c9c0-0795-4907-87fd-6c719a6b4586:1

給大家解釋一下，第一段 if 判斷語句，就是用“exists myLock”命令判斷一下，如果你要加鎖的那個鎖 key 不存在的話，你就進(jìn)行加鎖。如何加鎖呢？很簡單，用下面的命令：hset myLoc k 8743c9c0-0795-4907-87fd-6c719a6b4586:1 1，通過這個命令設(shè)置一個 hash 數(shù)據(jù)結(jié)構(gòu)，這行命令執(zhí)行后，會出現(xiàn)一個類似下面的數(shù)據(jù)結(jié)構(gòu)：

上述就代表“8743c9c0-0795-4907-87fd-6c719a6b4586:1”這個客戶端對“myLock”這個鎖 key 完成了加鎖。接著會執(zhí)行“pexpire myLock 30000”命令，設(shè)置 myLock 這個鎖 key 的生存時間是 30 秒。好了，到此為止，ok，加鎖完成了。

那么在這個時候，如果客戶端 2 來嘗試加鎖，執(zhí)行了同樣的一段 lua 腳本，會咋樣呢？很簡單，第一個 if 判斷會執(zhí)行“exists myLock”，發(fā)現(xiàn) myLock 這個鎖 key 已經(jīng)存在了。接著第二個 if 判斷，判斷一下，myLock 鎖 key 的 hash 數(shù)據(jù)結(jié)構(gòu)中，是否包含客戶端 2 的 ID，但是明顯不是的，因為那里包含的是客戶端 1 的 ID。

所以，客戶端 2 會獲取到 pttl myLock 返回的一個數(shù)字，這個數(shù)字代表了 myLock 這個鎖 key 的剩余生存時間。比如還剩 15000 毫秒的生存時間。此時客戶端 2 會進(jìn)入一個 while 循環(huán)，不停的嘗試加鎖。

客戶端 1 加鎖的鎖 key 默認(rèn)生存時間才 30 秒，如果超過了 30 秒，客戶端 1 還想一直持有這把鎖，怎么辦呢？

簡單！只要客戶端 1 一旦加鎖成功，就會啟動一個 watch dog 看門狗，他是一個后臺線程，會每隔 10 秒檢查一下，如果客戶端 1 還持有鎖 key，那么就會不斷的延長鎖 key 的生存時間。

31.可重入加鎖機(jī)制

那如果客戶端 1 都已經(jīng)持有了這把鎖了，結(jié)果可重入的加鎖會怎么樣呢？比如下面這種代碼：

這時我們來分析一下上面那段 lua 腳本。第一個 if 判斷肯定不成立，“exists myLock”會顯示鎖 key 已經(jīng)存在了。第二個 if 判斷會成立，因為 myLock 的 hash 數(shù)據(jù)結(jié)構(gòu)中包含的那個 ID，就是客戶端 1 的那個 ID，也就是“8743c9c0-0795-4907-87fd-6c719a6b4586:1” 此時就會執(zhí)行可重入加鎖的邏輯，他會用：

incrby myLock 8743c9c0-0795-4907-87fd-6c71a6b4586:1 1 ，通過這個命令，對客戶端 1 的加鎖次數(shù)，累加 1。此時 myLock 數(shù)據(jù)結(jié)構(gòu)變?yōu)橄旅孢@樣：

大家看到了吧，那個 myLock 的 hash 數(shù)據(jù)結(jié)構(gòu)中的那個客戶端 ID，就對應(yīng)著加鎖的次數(shù)

如果執(zhí)行 lock.unlock()，就可以釋放分布式鎖，此時的業(yè)務(wù)邏輯也是非常簡單的。其實說白了，就是每次都對 myLock 數(shù)據(jù)結(jié)構(gòu)中的那個加鎖次數(shù)減 1。如果發(fā)現(xiàn)加鎖次數(shù)是 0 了，說明這個客戶端已經(jīng)不再持有鎖了，此時就會用：“del myLock”命令，從 redis 里刪除這個 key。然后呢，另外的客戶端 2 就可以嘗試完成加鎖了。這就是所謂的分布式鎖的開源 Redisson 框架的實現(xiàn)機(jī)制。

一般我們在生產(chǎn)系統(tǒng)中，可以用 Redisson 框架提供的這個類庫來基于 redis 進(jìn)行分布式鎖的加鎖與釋放鎖。

其實上面那種方案最大的問題，就是如果你對某個 redis master 實例，寫入了 myLock 這種鎖 key 的 value，此時會異步復(fù)制給對應(yīng)的 master slave 實例。但是這個過程中一旦發(fā)生 redis m aster 宕機(jī)，主備切換，redis slave 變?yōu)榱?redis master。

接著就會導(dǎo)致，客戶端 2 來嘗試加鎖的時候，在新的 redis master 上完成了加鎖，而客戶端 1 也以為自己成功加了鎖。此時就會導(dǎo)致多個客戶端對一個分布式鎖完成了加鎖。這時系統(tǒng)在業(yè) 務(wù)語義上一定會出現(xiàn)問題，導(dǎo)致各種臟數(shù)據(jù)的產(chǎn)生。

所以這個就是 redis cluster，或者是 redis master-slave 架構(gòu)的主從異步復(fù)制導(dǎo)致的 redis 分布式鎖的最大缺陷：在 redis master 實例宕機(jī)的時候，可能導(dǎo)致多個客戶端同時完成加鎖。

先拿 setnx 來爭搶鎖，搶到之后，再用 expire 給鎖加一個過期時間防止鎖忘記了釋放。

如果在 setnx 之后執(zhí)行 expire 之前進(jìn)程意外 crash 或者要重啟維護(hù)了，那會怎么樣？

set 指令有非常復(fù)雜的參數(shù)，這個應(yīng)該是可以同時把 setnx 和 expire 合成一條指令來用的！

緩存穿透

一般的緩存系統(tǒng)，都是按照 key 去緩存查詢，如果不存在對應(yīng)的 value，就應(yīng)該去后端系統(tǒng)查找（比如DB）。一些惡意的請求會故意查詢不存在的 key,請求量很大，就會對后端系統(tǒng)造成很大的壓力。這就叫做緩存穿透。

如何避免？

1：對查詢結(jié)果為空的情況也進(jìn)行緩存，緩存時間設(shè)置短一點，或者該 key 對應(yīng)的數(shù)據(jù) insert 了之后清理緩存。

2：對一定不存在的 key 進(jìn)行過濾。可以把所有的可能存在的 key 放到一個大的 Bitmap 中，查詢時通過該 bitmap 過濾。

緩存雪崩

當(dāng)緩存服務(wù)器重啟或者大量緩存集中在某一個時間段失效，這樣在失效的時候，會給后端系統(tǒng)帶來很大壓力。導(dǎo)致系統(tǒng)崩潰。

如何避免？

1：在緩存失效后，通過加鎖或者隊列來控制讀數(shù)據(jù)庫寫緩存的線程數(shù)量。比如對某個 key 只允許一個線程查詢數(shù)據(jù)和寫緩存，其他線程等待。

2：做二級緩存，A1 為原始緩存，A2 為拷貝緩存，A1 失效時，可以訪問 A2，A1 緩存失效時間設(shè)置為短期，A2 設(shè)置為長期

3：不同的 key，設(shè)置不同的過期時間，讓緩存失效的時間點盡量均勻

四、Spring Data Redis - Redis Repositories使用技巧

使用 Redis Repositories 可以方便的在redis中用Redis Hash的方式存儲各種對象類型。

使用方法 非常簡單，僅需定義接口和在需要存儲的對象上增加注解：

在使用redis的集群模式后，redis會對數(shù)據(jù)進(jìn)行分片，分片能使key均勻地分布到集群的機(jī)器上去，能保證數(shù)據(jù)的一致性，有著眾多的優(yōu)點。但是在某些業(yè)務(wù)場景，又要求某些相關(guān)聯(lián)的key分配到相同機(jī)器。這就是分片技術(shù)的矛盾之處。

解決方法還是從分片技術(shù)的原理上找：分片，就是一個hash的過程：對key做md5，sha1等hash算法，根據(jù)hash值分配到不同的機(jī)器上。為了實現(xiàn)將key分到相同機(jī)器，就需要相同的hash值，即相同的key（改變hash算法也行，但不簡單）。但key相同是不現(xiàn)實的，因為key都有不同的用途。

例如user:user1:ids保存用戶的tweets ID，user:user1:tweets保存tweet的具體內(nèi)容，兩個key不可能同名。仔細(xì)觀察user:user1:ids和user:user1:tweets，兩個key其實有相同的地方，即user1。能不能拿這一部分去計算hash呢？

這就是Hash Tag，允許用key的部分字符串來計算hash。 當(dāng)一個key包含 {} 的時候，就不對整個key做hash，而僅對 {} 包括的字符串做hash。 假設(shè)hash算法為sha1。對user:{user1}:ids和user:{user1}:tweets，其hash值都等同于sha1(user1)。

Spring Data Redis的官方文檔也建議在使用Cluster模式的時候使用Hash Tag，這樣可以讓對象的屬性位于同一個分片，方便查找和計算。

參考文獻(xiàn)：

以上就是關(guān)于redis一致性hash算法相關(guān)問題的回答。希望能幫到你，如有更多相關(guān)問題，您也可以聯(lián)系我們的客服進(jìn)行咨詢，客服也會為您講解更多精彩的知識和內(nèi)容。