第五周作业

代码：

package dfdf;



import java.util.HashMap;

import java.util.LinkedList;

import java.util.List;

import java.util.Map;

import java.util.SortedMap;

import java.util.TreeMap;

import java.util.UUID;



public class ConsistentHashingWithVirtualNode {

//待添加入Hash环的服务器列表

private static String[] servers = {"192.168.0.0:111", "192.168.0.1:111", "192.168.0.2:111",

"192.168.0.3:111", "192.168.0.4:111", "192.168.0.5:111", "192.168.0.6:111", "192.168.0.7:111"

, "192.168.0.8:111", "192.168.0.9:111"};

//真实结点列表,考虑到服务器上线、下线的场景，即添加、删除的场景会比较频繁，这里使用LinkedList会更好

private static List<String> realNodes = new LinkedList<String>();

//虚拟节点，key表示虚拟节点的hash值，value表示虚拟节点的名称

private static SortedMap<Integer, String> virtualNodes = new TreeMap<Integer, String>();

//虚拟节点的数目，这里写死，为了演示需要，一个真实结点对应5个虚拟节点，分别测试5 50 150 200

private static final int VIRTUAL_NODES = 5;

//计数Map

private static Map<String,Integer> countMap = new HashMap<>();

static{

//先把原始的服务器添加到真实结点列表中

for(int i=0; i<servers.length; i++) {

realNodes.add(servers[i]);

countMap.put(servers[i], 0);

}

//再添加虚拟节点，遍历LinkedList使用foreach循环效率会比较高

for (String str : realNodes){

for(int i=0; i<VIRTUAL_NODES; i++){

String virtualNodeName = str + "&&VN" + String.valueOf(i);

int hash = getHash(virtualNodeName);

// System.out.println("虚拟节点[" + virtualNodeName + "]被添加, hash值为" + hash);

virtualNodes.put(hash, virtualNodeName);

}

}

System.out.println();

}

//使用FNV132HASH算法计算服务器的Hash值,这里不使用重写hashCode的方法，最终效果没区别

private static int getHash(String str){

final int p = 16777619;

int hash = (int)2166136261L;

for (int i = 0; i < str.length(); i++)

hash = (hash ^ str.charAt(i)) * p;

hash += hash << 13;

hash ^= hash >> 7;

hash += hash << 3;

hash ^= hash >> 17;

hash += hash << 5;

// 如果算出来的值为负数则取其绝对值

if (hash < 0)

hash = Math.abs(hash);

return hash;

}

//得到应当路由到的结点

private static String getServer(String key){

//得到该key的hash值

int hash = getHash(key);

// 得到大于该Hash值的所有Map

SortedMap<Integer, String> subMap = virtualNodes.tailMap(hash);

String virtualNode;

if(subMap.isEmpty()){

//如果没有比该key的hash值大的，则从第一个node开始

Integer i = virtualNodes.firstKey();

//返回对应的服务器

virtualNode = virtualNodes.get(i);

}else{

//第一个Key就是顺时针过去离node最近的那个结点

Integer i = subMap.firstKey();

//返回对应的服务器

virtualNode = subMap.get(i);

}

//virtualNode虚拟节点名称要截取一下

if(virtualNode!=null&&!virtualNode.equals("")){

return virtualNode.substring(0, virtualNode.indexOf("&&"));

}

return null;

}

public static void main(String[] args){

String[] keys = new String[1000000];

for (int i = 0; i < 1000000; i++) {

keys[i]=UUID.randomUUID().toString();

}

for(int i=0; i<keys.length; i++) {

String serverHit = getServer(keys[i]);

Integer hits = countMap.get(serverHit);

hits+=1;

countMap.put(serverHit, hits);

}

System.out.println(countMap);

}

}



100万 key=UUID 10个节点 每个节点分别测试5,50,150,200个虚拟节点，测试每种情况中10个节点中有多少key



5个虚拟节点

{192.168.0.2:111=132902, 192.168.0.8:111=135276, 192.168.0.7:111=70688, 192.168.0.6:111=57043, 192.168.0.1:111=119179, 192.168.0.4:111=78256, 192.168.0.3:111=119075, 192.168.0.5:111=84464, 192.168.0.0:111=148564, 192.168.0.9:111=54553}

标准差 = 33016.94



50个虚拟节点

{192.168.0.2:111=115959, 192.168.0.8:111=119115, 192.168.0.7:111=108113, 192.168.0.6:111=89620, 192.168.0.1:111=89393, 192.168.0.4:111=87844, 192.168.0.3:111=74527, 192.168.0.5:111=107041, 192.168.0.0:111=101530, 192.168.0.9:111=106858}

标准差 =13422.88



150个虚拟节点

{192.168.0.2:111=108739, 192.168.0.8:111=88274, 192.168.0.7:111=98887, 192.168.0.6:111=90914, 192.168.0.1:111=111984, 192.168.0.4:111=115909, 192.168.0.3:111=86926, 192.168.0.5:111=100060, 192.168.0.0:111=104619, 192.168.0.9:111=93688}

标准差 =9625.412



200个虚拟节点

{192.168.0.2:111=90750, 192.168.0.8:111=83137, 192.168.0.7:111=109141, 192.168.0.6:111=87268, 192.168.0.1:111=111385, 192.168.0.4:111=112254, 192.168.0.3:111=94694, 192.168.0.5:111=107166, 192.168.0.0:111=102554, 192.168.0.9:111=101651}

标准差 =9920.27



标准差使用excel STDEV.P 公式计算



5个时数据分布很不均衡，50个时比5个有很大改善，150-200个基本分布均衡