分布式存储系统中DHT算法改进

1、概述

通常，分布式存储系统以及分布式缓存系统习惯采用分布式哈希（DHT）算法来实现数据的分区分配（路由）以及负载均衡，普通的分布式hash算法通过增添虚拟节点，对物理的热点区间进行划分，将负载分配至其他节点，从而达到负载均衡的状态，但是这并不能保证集群的负载就一定很是的均衡。

而一种改进过的一致性Hash算法，即带边界因子的一致性Hash算法，其严格控制每个节点的负载从而能获得更好的负载均衡效果[1][2]。

2、普通的DHT算法

假设有8个Object，通过下图的DHT算法:

object 0,1,2映射到了虚拟节点vNode0 ： object 0,1,2 --> vNode0

Object 3,4,5 映射到了vNode1：object 3,4,5 --> vNode1

Object 6映射到 vNode2：object 6 --> vNode2

Object 7映射到 vNodeN：object 7 --> vNodeN

很明显，Vnode0和vNode1 都落了三个 object，而 vNode2和vNodeN 都只落了 1个Object，这里的DHT算法负债均衡因子并不是很好。

3、带负载边界因子的DHT算法

假设有8个Object，通过如下图的DHT with bounded loads算法:

第一轮映射：

object 0,1,2 需要映射到了虚拟节点vNode0，但是vNode0的权重因子是 2，因此只完成了 object 0,1 --> vNode0， object 2不能映射到节点 vNode0；

Object 3,4,5 需要映射到了虚拟节点vNode1：但是vNode1的权重因子是 2，因此只完成了 object 3,4 --> vNode1， object 5不能映射到节点 vNode1；

Object 6映射到 vNode2：object 6 --> vNode2

Object 7映射到 vNodeN：object 7 --> vNodeN

第二轮映射：

Object 2 映射到 vNode1，但是vNode1权重因子=0， 不能被接收，继续往下一个节点走，发现vNode2 权重因子是2,还剩权重因子1，可以被映射，因此 object 2-->vNode2

Object 5 映射到 vNode2，但是vNode2现在的权重因子=0， 不能被接收，继续往下一个节点走，发现vNodeN 权重因子是2,还剩权重因子1，可以被映射，因此 object 5-->vNodeN

最终的映射结果是

object 0,1映射到了虚拟节点vNode0 ： object 0,1 --> vNode0

Object 3,4 映射到了vNode1：object 3,4 --> vNode1

Object 2,6映射到 vNode2：object 2,6 --> vNode2

Object 5,7映射到 vNodeN：object 5,7 --> vNodeN

很明显，Vnode0，vNode1，vNode2, vNodeN 每个节点都分到2个 object，

显然带负载边界因子的DHT算法负债均衡比普通的DHT算法来的好。

这些节点的负载因子可以从IO，CPU，MEM，Disk，Network等输入因子计算出来。

参考资料

[1] https://research.googleblog.com/2017/04/consistent-hashing-with-bounded-loads.html

[2] https://medium.com/vimeo-engineering-blog/improving-load-balancing-with-a-new-consistent-hashing-algorithm-9f1bd75709ed