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(, );
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 < )
            {
                mod = mod + HashValue;
            }
            return mod;
        }

将Servers生成节点（物理+虚拟）:

        private void GenerateServersToBuckets()
        {
            for (int i = ; 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 > )
            {
                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[];
            string port = ipaddr[];
            int header = Convert.ToInt32(ip.Split('.')[]);
            String invariantIPPart = ip.Substring(ip.IndexOf('.'));
            int succ = ;
            for (int i = ; i <= ; 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 < )
            {
                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 == )
            {
                return null;
            }

            if (buckets.Count == )
            {
                return GetConnection(buckets[]);
            }

            long startIndex = -;//开始查找位置，-1表示从hash(key)% HashValue位置开始查找
            int tries = ;//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;
        }