MurmurHash算法（高运算性能，低碰撞率，hadoop、memcached等使用）

shuaiwei588

　　转自：http://www.blogjava.net/hello-yun/archive/2012/10/10/389289.html
　　MurmurHash算法：高运算性能，低碰撞率，由Austin Appleby创建于2008年，现已应用到Hadoop、libstdc++、nginx、libmemcached等开源系统。2011年Appleby被Google雇佣，随后Google推出其变种的CityHash算法。
　　一致性哈希算法是分布式系统中常用的算法。比如，一个分布式的存储系统，要将数据存储到具体的节点上，如果采用普通的hash方法，将数据映射到具体的节点上，如key%N，key是数据的key，N是机器节点数，如果有一个机器加入或退出这个集群，则所有的数据映射都无效了，如果是持久化存储则要做数据迁移，如果是分布式缓存，则其他缓存就失效了。
    因此，引入了一致性哈希算法：

 
把数据用hash函数（如MD5），映射到一个很大的空间里，如图所示。数据的存储时，先得到一个hash值，对应到这个环中的每个位置，如k1对应到了图中所示的位置，然后沿顺时针找到一个机器节点B，将k1存储到B这个节点中。
　　如果B节点宕机了，则B上的数据就会落到C节点上，如下图所示：

 
这样，只会影响C节点，对其他的节点A，D的数据不会造成影响。然而，这又会造成一个“雪崩”的情况，即C节点由于承担了B节点的数据，所以C节点的负载会变高，C节点很容易也宕机，这样依次下去，这样造成整个集群都挂了。
       为此，引入了“虚拟节点”的概念：即把想象在这个环上有很多“虚拟节点”，数据的存储是沿着环的顺时针方向找一个虚拟节点，每个虚拟节点都会关联到一个真实节点，如下图所使用：

图中的A1、A2、B1、B2、C1、C2、D1、D2都是虚拟节点，机器A负载存储A1、A2的数据，机器B负载存储B1、B2的数据，机器C负载存储C1、C2的数据。由于这些虚拟节点数量很多，均匀分布，因此不会造成“雪崩”现象。
 
Java实现：
[java] view plaincopyprint?

• public class Shard<S> { // S类封装了机器节点的信息 ，如name、password、ip、port等   
  
•   
  
•     private TreeMap<Long, S> nodes; // 虚拟节点   
  
•     private List<S> shards; // 真实机器节点   
  
•     private final int NODE_NUM = 100; // 每个机器节点关联的虚拟节点个数   
  
•   
  
•     public Shard(List<S> shards) {  
  
•         super();  
  
•         this.shards = shards;  
  
•         init();  
  
•     }  
  
•   
  
•     private void init() { // 初始化一致性hash环   
  
•         nodes = new TreeMap<Long, S>();  
  
•         for (int i = 0; i != shards.size(); ++i) { // 每个真实机器节点都需要关联虚拟节点   
  
•             final S shardInfo = shards.get(i);  
  
•   
  
•             for (int n = 0; n < NODE_NUM; n++)  
  
•                 // 一个真实机器节点关联NODE_NUM个虚拟节点   
  
•                 nodes.put(hash("SHARD-" + i + "-NODE-" + n), shardInfo);  
  
•   
  
•         }  
  
•     }  
  
•   
  
•     public S getShardInfo(String key) {  
  
•         SortedMap<Long, S> tail = nodes.tailMap(hash(key)); // 沿环的顺时针找到一个虚拟节点   
  
•         if (tail.size() == 0) {  
  
•             return nodes.get(nodes.firstKey());  
  
•         }  
  
•         return tail.get(tail.firstKey()); // 返回该虚拟节点对应的真实机器节点的信息   
  
•     }  
  
•   
  
•     /** 
  
•      *  MurMurHash算法，是非加密HASH算法，性能很高， 
  
•      *  比传统的CRC32,MD5，SHA-1（这两个算法都是加密HASH算法，复杂度本身就很高，带来的性能上的损害也不可避免） 
  
•      *  等HASH算法要快很多，而且据说这个算法的碰撞率很低. 
  
•      *  http://murmurhash.googlepages.com/ 
  
•      */  
  
•     private Long hash(String key) {  
  
•           
  
•         ByteBuffer buf = ByteBuffer.wrap(key.getBytes());  
  
•         int seed = 0x1234ABCD;  
  
•           
  
•         ByteOrder byteOrder = buf.order();  
  
•         buf.order(ByteOrder.LITTLE_ENDIAN);  
  
•   
  
•         long m = 0xc6a4a7935bd1e995L;  
  
•         int r = 47;  
  
•   
  
•         long h = seed ^ (buf.remaining() * m);  
  
•   
  
•         long k;  
  
•         while (buf.remaining() >= 8) {  
  
•             k = buf.getLong();  
  
•   
  
•             k *= m;  
  
•             k ^= k >>> r;  
  
•             k *= m;  
  
•   
  
•             h ^= k;  
  
•             h *= m;  
  
•         }  
  
•   
  
•         if (buf.remaining() > 0) {  
  
•             ByteBuffer finish = ByteBuffer.allocate(8).order(  
  
•                     ByteOrder.LITTLE_ENDIAN);  
  
•             // for big-endian version, do this first:   
  
•             // finish.position(8-buf.remaining());   
  
•             finish.put(buf).rewind();  
  
•             h ^= finish.getLong();  
  
•             h *= m;  
  
•         }  
  
•   
  
•         h ^= h >>> r;  
  
•         h *= m;  
  
•         h ^= h >>> r;  
  
•   
  
•         buf.order(byteOrder);  
  
•         return h;  
  
•     }  
  
•   
  
• }