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 转载文章
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《spring和redis的整合》）
<bean id="shardedJedisPool" class="redis.clients.jedis.ShardedJedisPool" scope="singleton">
<constructor-arg index="0" ref="jedisPoolConfig" />
<constructor-arg index="1">
<list>
<bean class="redis.clients.jedis.JedisShardInfo">
<constructor-arg name="host" value="${redis.host}" />
<constructor-arg name="port" value="${redis.port}" />
<constructor-arg name="timeout" value="${redis.timeout}" />
<constructor-arg name="weight" value="1" />
</bean>
</list>
</constructor-arg>
</bean>
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<Long, S> nodes; // 构造方法
public Sharded(List<S> 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<S> shards) {
nodes = new TreeMap<Long, S>();
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<Long, S> 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<Integer, AwardConfigDO> extentTree = new TreeMap<Integer, AwardConfigDO>();
// 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<Integer, String> extentTree = new TreeMap<Integer, String>();
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。