首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

一致性哈希(Consistent Hashing)

在大型web应用中,缓存可算是当今的一个标准开发配置了。在大规模的缓存应用中,应运而生了分布式缓存系统。分布式缓存系统的基本原理,大家也有所耳闻。key-value如何均匀的分散到集群中?说到此,最常规的方式莫过于hash取模的方式。比如集群中可用机器适量为N,那么key值为K的的数据请求很简单的应该路由到hash(K) mod N对应的机器。的确,这种结构是简单的,也是实用的。但是在一些高速发展的web系统中,这样的解决方案仍有些缺陷。随着系统访问压力的增长,缓存系统不得不通过增加机器节点的方式提高集群的相应速度和数据承载量。增加机器意味着按照hash取模的方式,在增加机器节点的这一时刻,大量的缓存命不中,缓存数据需要重新建立,甚至是进行整体的缓存数据迁移,瞬间会给DB带来极高的系统负载,设置导致DB服务器宕机。 那么就没有办法解决hash取模的方式带来的诟病吗?看下文。

02

httpwatch的timechart 解析

从timeChart,我们可以一目了然的看到那些请求花费的时间较长,一般柱状的长短表示从请求到接受共花费的时间,我们重点需要优化那些柱状较长的部分,当然我们也可以点击time列,按请求时间排到序,直接找出请求时间最长的部分。        针对每一条柱状图,又分为好几个部分,用不同颜色表示。这些颜色表示不同的时间段。举例说明,我们点击一条明细,在下方会出现该条请求的所有详细信息。我们点击TimeChart的Tab页。        这是一个我的博客的请求,分为5部分,依次如下: 白色:空白时间。 紫色:DNS查找。 黄色:连接时间。 绿色:请求发送时间,一般这个最耗时间。 红色:等待时间,这个影响因素较多,网络、数据库查询等等。 青色:请求接收。 蓝色:从浏览器缓冲中读取。

02
领券