我们到底能走多远系列（32）

扯淡：

　　工作是容易的赚钱是困难的

　　恋爱是容易的成家是困难的

　　相爱是容易的相处是困难的

　　决定是容易的可是等待是困难的

主题：

1，Sharded的实现

ShardedJedis是基于一致性哈希算法实现的分布式Redis集群客户端。

关于一致性哈希算法 可以参考

Memcached 和 redis 都使用了该算法来实现自己的多服务器均匀分派存储值的。

　　shardedJedisPool的配置如下：（具体可以参考）

注入了两个对象：jedisPoolConfig 和 JedisShardInfo

然后产生ShardedJedis：

public ShardedJedis getRedisClient() {        try {            ShardedJedis shardJedis = shardedJedisPool.getResource();            return shardJedis;        } catch (Exception e) {            log.error("getRedisClent error", e);        }        return null;    }

ShardedJedis 继承 BinaryShardedJedis 继承 Sharded<Jedis, JedisShardInfo>

而Sharded的实现就是前面一致性哈希算法的实现啦~

// 使用TreeMap来完成构造出一个很多节点的环形private TreeMap
      
        nodes;// 构造方法public Sharded(List
        shards, Hashing algo, Pattern tagPattern) {        this.algo = algo;        this.tagPattern = tagPattern;        // 初始化方法，建立一个个节点        initialize(shards);}

initialize方法：

private void initialize(List shards) {        nodes = new TreeMap
       
        ();        for (int i = 0; i != shards.size(); ++i) {            final S shardInfo = shards.get(i);            if (shardInfo.getName() == null)                for (int n = 0; n < 160 * shardInfo.getWeight(); n++) {                    nodes.put(this.algo.hash("SHARD-" + i + "-NODE-" + n), shardInfo);                }            else                // 将设置的权重放大160倍，产生更多的节点，因为hash一下就散落到各道各处了，如此就是所谓的虚拟节点，以保证均匀分布                for (int n = 0; n < 160 * shardInfo.getWeight(); n++) {                    nodes.put(this.algo.hash(shardInfo.getName() + "*" + shardInfo.getWeight() + n), shardInfo);                }            resources.put(shardInfo, shardInfo.createResource());        }    }

redis放key value的时候，需要判断应该放在那个服务器上，就是判断hash后更靠近哪个节点。

public R getShard(byte[] key) {        return resources.get(getShardInfo(key));    }    public R getShard(String key) {        return resources.get(getShardInfo(key));    }    //最终调用方法    public S getShardInfo(byte[] key) {       // 首先判断是不是tree中最大的key，及最后一个，注意我们是环，所以最大的后面就要从头开始。        SortedMap
      
        tail = nodes.tailMap(algo.hash(key));        // 是最后一个key了，所以取第一个节点对应的服务器        if (tail.size() == 0) {            return nodes.get(nodes.firstKey());        }        // 不是最后一个就是比自己离自己最近的大的key对应的服务器        return tail.get(tail.firstKey());    }    public S getShardInfo(String key) {        return getShardInfo(SafeEncoder.encode(getKeyTag(key)));    }

到这里基本明白了如何抽象实现一个环状的排序的数据结构了。值得借鉴。

2，实践中的一个例子

问题：模拟一个抽奖的效果，随机产生一个范围内的数字，看是否在中奖的区域内来判断是否中奖。中奖区域分多个层次的奖项。

如图：

|0 -------奖项1--------200|201-------奖项2--------1000|1001-------奖项3-------5000|5001-------没奖---------100000|

使用了TreeMap来实现

从项目里拉出来的代码：

TreeMap
      
        extentTree = new TreeMap
       
        ();        // 获奖区间划分        for (AwardConfigDO awardConfig : configList) {            //Probability是区间节点，如100,500            extentTree.put(awardConfig.getProbability(), awardConfig);        }        // 进入中奖区 random 是随机产生的数字，首先判断是否进入中奖区        if (random < extentTree.lastKey()) {            //然后判断 中奖奖项 是哪个            AwardConfigDO awardConfig =  extentTree.higherEntry(random).getValue();        }

所以TreeMap可以来抽象实现这种区间的结构。关于TreeMap可以看API哦。

--------------------20130827补充-----------------------

需要注意的是使用了TreeMap 需要考虑key相同的情况，这种情况就需要接受前一个映射关系会被替换的情况。

public static void main(String[] args) {        TreeMap
      
        extentTree = new TreeMap
       
        ();        extentTree.put(1, "1");        extentTree.put(10, "2");        extentTree.put(10, "3");        extentTree.put(100, "4");        String value = extentTree.higherEntry(5).getValue();        System.out.println(value);//output:3    }

让我们继续前行

----------------------------------------------------------------------

努力不一定成功，但不努力肯定不会成功。

共勉。

转载地址：https://blog.csdn.net/weixin_34082789/article/details/85581104 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！

上一篇：poj 3498(最大流+拆点)

下一篇：ios 手势识别

发表评论

关于作者

喝酒易醉，品茶养心，人生如梦，品茶悟道，何以解忧？唯有杜康！

-- 愿君每日到此一游！

我们到底能走多远系列（32）

发表评论

最新留言

关于作者

推荐文章