Memcached常规应用与分布式部署方案

wangwengwu

　　1、Memcached常规应用
　　使用Memcached缓存MySQL查询结果减轻数据库压力，下面直接上代码，后面做简单说明。
　　1
　　2
　　3
　　4
　　5
　　6
　　7
　　8
　　9
　　10
　　11
　　12
　　13
　　14
　　15
　　16
　　17
　　18
　　19
　　20
　　21
　　22
　　
　　说明：首先通过MD5函数把KEY处理成32位字符串，然后截取前8位，再经过Hash算法处理成一个整数并返回。利用这个整数与Memcached服务器数量取模，决定当前KEY存储于哪台Memcached服务器，就完成了Memcached的分布式部署。可想而知，当要读取KEY的值时，依然是先要通过Hash算法判断存储于哪台服务器。这种方案整体来说比较简单容易理解。
　　[2]Memcached分布式部署之一致性Hash分布
　　当Memcached服务器数量固定时，普通Hash分布可以很好的运作。但是当服务器数量发生改变时，问题就出来了。因为同一个KEY经Hash算法处理后，与服务器数量取模，会导致结果与服务器数量未变化时不同，这就导致之前保存的数据丢失。采取一致性Hash分布可以有效的解决这个问题，把丢失的数据减到最小（注意这里并没有说完全不丢失）。
　　一致性Hash分布算法分4个步骤：
　　步骤1：将一个32位整数[0 ~ (2^32-1)]想象成一个环，0 作为开头，(2^32-1) 作为结尾，当然这只是想象。
　　步骤2：通过Hash函数把KEY处理成整数。这样就可以在环上找到一个位置与之对应。
　　步骤3：把Memcached服务器群映射到环上，使用Hash函数处理服务器对应的IP地址即可。
　　步骤4：把数据映射到Memcached服务器上。查找一个KEY对应的Memcached服务器位置的方法如下：从当前KEY的位置，沿着圆环顺时针方向出发，查找位置离得最近的一台Memcached服务器，并将KEY对应的数据保存在此服务器上。
　　说明：这样一来，当添加或移除某一台服务器时，受影响的数据范围变的更小了。具体可以画个图更便于理解，这里我就不画了。
　　[3]一致性Hash分布算法实例
　　1
　　2
　　3
　　4
　　5
　　6
　　7
　　8
　　9
　　10
　　11
　　12
　　13
　　14
　　15
　　16
　　17
　　18
　　19
　　20
　　21
　　22
　　23
　　24
　　25
　　26
　　27
　　28
　　29
　　30
　　31
　　32
　　33
　　34
　　35
　　36
　　37
　　38
　　39
　　40
　　41
　　42
　　43
　　44
　　45
　　46
　　47
　　48
　　49
　　50
　　51
　　52
　　53
　　54
　　55
　　56
　　57
　　58
　　59
　　
　　说明：其整体查找思路，已经在前面的一致性Hash分布部分进行了介绍，需要补充的是每次添加或移除服务器后需要对服务器列表这个序列就行一次排序。
　　下面是对上面的一致性Hash分布实例的相关测试代码：
　　1
　　2
　　3
　　4
　　5
　　6
　　7
　　8
　　9
　　10
　　11
　　12
　　13
　　14
　　15
　　16
　　17
　　18
　　19
　　20
　　21
　　22
　　23
　　24
　　25
　　26
　　27
　　28
　　29
　　30
　　31
　　32
　　33
　　34
　　35
　　
　　//测试结果如下：
　　save key1 in server: 192.168.1.4
　　save key2 in server: 192.168.1.2
　　==================================
　　save key1 in server: 192.168.1.3
　　save key2 in server: 192.168.1.2
　　==================================
　　save key1 in server: 192.168.1.3
　　save key2 in server: 192.168.1.2