求个尽量均匀的分区算法

• 資深大佬 : ETiV

  数据的主键是长度为 12 的字符串

  特征得再详细点：是递增的吗？是随机的吗？是 uuid/guid 算出来的吗？中间有表示 timestamp 含义的吗？等等…

• 資深大佬 : MegrezZhu

  hash 取模？

• 主 資深大佬 : Rocketer

  @ETiV 前 3 位是表示数据类型的，相对集中，我看了一下大概只有 10 几种在用的组合。后 9 位是递增的。

• 主 資深大佬 : Rocketer

  @MegrezZhu 我求的本质上就是个 hash 算法呀，还是说你指的是那些通用 hash 算法，md5 之类的？

• 資深大佬 : abcdabcd987

  uniform hash % 100?

• 資深大佬 : MegrezZhu

  @Rocketer 嗯对

• 主 資深大佬 : Rocketer

  @abcdabcd987 我求的就是这个 uniform hash，有没有具体的思路或代码呢？

• 主 資深大佬 : Rocketer

  @MegrezZhu 试过 md5，确实均匀多了，但有点用 40 米的大砍刀杀鸡的感觉，一个分区算法不应该用那么大的计算量

• 資深大佬 : xuegy

  多迭代几次就均匀了。打个比方：你放一坨面里面放一个无限小的小球，然后开始拉面。拉上几次你就不知道那个小球在哪了。

• 資深大佬 : abcdabcd987

  @Rocketer 我觉得可以先试试常用的 non-crypto hash % 100 看均匀不均匀吧，比如像 libstdc++ 用的就是 Murmur Hash，或者简单粗暴好实现的 FNV Hash 。实在不行也可以试试看 MD5，虽然 MD5 在密码学上面看不太行，但是作为普通的 hash function 来用一般还是认为挺均匀的。

  刚刚搜了一下，这里有篇文章做了一下实验，结论是 Murmur Hash 和 MD5 都挺均匀的： https://www.rolando.cl/blog/2018/12/how_uniform_is_md5.html

• 資深大佬 : aec4d

  找一致性 hash 算法，虚拟节点，siphash

• 主 資深大佬 : Rocketer

  @aec4d 谢谢，概念问题我都懂，就是需要一个具体的好用的算法

• 資深大佬 : shuax

  crc16 也能用嘛

• 資深大佬 : binux

  https://source.chromium.org/chromium/chromium/src/+/master:base/third_party/superfasthash/superfasthash.c

• 資深大佬 : LessonOne

  参考下 Java 8 HashMap hash 算法

• 資深大佬 : gstqc

  每个区存 100 万，存满了再用下一个
  对于一些按时间区域查询，效率更高
• 資深大佬 : knightdf

  fnv1a hash

• 資深大佬 : qqq8724

  RangePartitioner

• 資深大佬 : FakNoCNName

  你是想做类似: 分区 Id = Num % 100 。这种能快速简单计算的运算吗？

  看你在 3 说的字符串后 9 位是递增的，这样的话就简单了，取字符串最后 2 位，转成数字 Num，用 Num % 100 就是你想要的结果。

  如果你的字符串后 9 位不是 10 进制的，也可以按照类似的逻辑转化处理下，当然要注意分区数量是进制的整数倍，不然就会出现一部分数据过于集中的情况。

• 資深大佬 : yeguxin

  首先查询的场景多不多，如果只是考虑单纯的均匀度合适问题要不要考虑 HashMap 处理 key 落到具体的桶的算法？
  (h = key.hashCode()) ^ (h >>> 16) 通过高低位扰动来提高随机性。

• 資深大佬 : linvon

  找一个固定 key，把 key+字符串做 MD5 或者 hash，然后取固定位数模，基本差不多了

• 資深大佬 : bugmakerxs

  @Rocketer md5 速度贼快，不然不会运用这么广泛

• 資深大佬 : securityCoding

  核心在于哈希均衡
  1.hashMap 的 hash 算法: 先让高低位异或 & n-1
  2.哈希算法 md5 再取模
  3.一致性哈希,专门解决这个问题…

• 資深大佬 : macttt

  哈希环分片的区尽量多，把这些区视为逻辑分区，多个逻辑分区对应一个物理分区。

• 資深大佬 : learningman

  MD5 不是可以硬件加速吗，问题不大吧

• 資深大佬 : wowboy

  建议 hash 环分片，openstack 项目就是这么做得。

• 資深大佬 : hejw19970413

  其实没有办法做到完全的平均。我记得 google sre 那本书上好像有这样的例子

• 資深大佬 : telnetning

  @wowboy 嗯？求教，OpenStack 在哪里用的这个环分片啊，我想看看代码学习下

• 資深大佬 : scemsjyd

  一致性哈希+murmur

• 資深大佬 : xuanbg

  自增取模即可

• 資深大佬 : AItsuki

  B 树不适用吗……

• 資深大佬 : kaflash

  unsigned int seed = 131;
  unsigned int hash = 0;

  while (*str)
  {
  hash = hash * seed + (*str++);
  }

  return (hash & 0x7FFFFFFF);

• 主 資深大佬 : Rocketer

  @FakNoCNName 后 9 位不是严格递增的，还有一些规则在里面，所以分布并不均匀。

  这个 hash 要求速度极快，所以还是要在基本算法上做文章。最后采取了反向活跃加权再取模的办法，目前测试效果还不错。

  思路说起来也很简单，对字符串中的每一位，越常变化的权重越低，比如最活跃的权重是 C，第二活跃的权重是 C*C……各字符加权求和后再%100，就行了。权重常数 C 从 2 到 100 用真实数据测一遍，就能找到最适合的了。现在各区都在正负 10%内，很满意了。