作业一（2 选 1）：
- 用你熟悉的编程语言实现一致性 hash 算法。
- 编写测试用例测试这个算法，测试 100 万 KV 数据，10 个服务器节点的情况下，计算这些 KV 数据在服务器上分布数量的标准差，以评估算法的存储负载不均衡性。
作业一：算法实现
- Interface: com.app.hash.ConsistentHashing
- 验证代码: com.app.hash.Main
- 物理和虚拟节点的定义:com.app.hash.Node
- 环形一致性hash的实现: com.app.hash.CycleConsistentHashing
作业二：数据分布分析
基于Main.java的测试，可用得到10个物理节点，100万数据，在不同虚拟节点数量下的分布情况
Physical Nodes: 10
Replicated factor: 3
Virtual Nodes: 30
positions: 40
duplicated positions: 0
Size of K-V pairs: 1000000
Physical Nodes Information:
Node id: Physical_6,Node type: Physical,Size: 144006
Node id: Physical_9,Node type: Physical,Size: 55599
Node id: Physical_0,Node type: Physical,Size: 145714
Node id: Physical_5,Node type: Physical,Size: 239999
Node id: Physical_3,Node type: Physical,Size: 21760
Node id: Physical_7,Node type: Physical,Size: 72346
Node id: Physical_2,Node type: Physical,Size: 25752
Node id: Physical_8,Node type: Physical,Size: 98867
Node id: Physical_4,Node type: Physical,Size: 8047
Node id: Physical_1,Node type: Physical,Size: 187910
利用extract.py脚本分析得到
| Physical Nodes | Virtual Nodes | Records | STD | details |
|---|---|---|---|---|
| 10 | 10 | 1000000 | 84361.59 | 147843|23883|274210|119822|211107|54957|21338|48153|4833|93854 |
| 10 | 30 | 1000000 | 73607.93 | 144006|55599|145714|239999|21760|72346|25752|98867|8047|187910 |
| 10 | 50 | 1000000 | 74432.19 | 1651|109151|290070|99681|123474|95464|29736|83971|123413|43389 |
| 10 | 70 | 1000000 | 48330.31 | 33491|67816|219552|61103|129074|112307|71466|93601|96462|115128 |
| 10 | 100 | 1000000 | 92630.97 | 3409|22053|322583|26953|132196|173843|57394|33161|148444|79964 |
| 10 | 120 | 1000000 | 66235.42 | 79469|161604|198834|24139|16035|176291|96186|163679|27114|56649 |
| 10 | 150 | 1000000 | 72684.34 | 4992|181414|175610|226832|20974|130942|85164|99950|40727|33395 |
从标准差上可用看到，本文实现的一致性哈希算法，在分布上不够均匀，不同物理节点上存在着1个数量级的差异，标准差占总样本数量的10%左右。
文中源码可用在github获取.