分布式微服务系统架构第165集：阿里，字节，腾讯架构经验汇总

加群联系作者vx：xiaoda0423

仓库地址：webvueblog.github.io/JavaPlusDoc...

1024bat.cn/

github.com/webVueBlog/...

webvueblog.github.io/JavaPlusDoc...

点击勘误issues，哪吒感谢大家的阅读

一、什么是 Token？

在分布式数据库（如 Cassandra）中，每台节点负责一段数据范围。这个范围使用 Token 来划分，比如从最小值到最大值（Murmur3：[-2^63, 2^63 - 1]）。

每个设备 ID 或主键，都会通过哈希函数（如 Murmur3）生成一个 Token（Long 类型的整数）。
Token 取值范围：-9223372036854775808 到 9223372036854775807（约 1.84 x 10^19）

二、设备 ID 到 Token 的映射（举例）

ini 复制代码

String deviceId = "DEVICE_001";
long token = murmur3Hash(deviceId.getBytes());

比如：

设备 ID	Murmur3 Token
DEVICE_001	-7924723498472812002
DEVICE_002	-1467281738947810012
DEVICE_ABC	4328787342281400121

这些 token 是一个 可重复的哈希值（Murmur3 计算） ，稳定决定了这个设备的数据应该存在在哪个节点。

三、Token Range 分配给节点

假设你现在有 3 个节点：

节点	负责 Token 区间
Node1	`-9223372036854775808 ~ -3074457345618258603`
Node2	`-3074457345618258602 ~ 3074457345618258602`
Node3	`3074457345618258603 ~ 9223372036854775807`

注意：

Token 是连续的，并被 环形排列（Ring）
你用 token 去查找：某个 token 落在哪段区间内，这个节点就是主存储节点

四、那 `Node1 (Token: 0-42)` 这类是怎么来的？

这是个简化模型，不是 Cassandra 实际使用的。

比如：

yaml 复制代码

Node1 负责 Token:   0 ~  42
Node2 负责 Token:  43 ~  85
Node3 负责 Token:  86 ~ 127

这种写法一般出现在：

自定义 Consistent Hash 场景
模拟环境下简化的整数 token
用来说明分片原理

五、如果设备越来越多，如何加节点来扩容？

Cassandra（或使用类似一致性哈希的系统）扩容逻辑如下：

✅ 原理

每个节点有自己的 token 范围（可配置或自动生成）
新增节点后，会重新分配 token 范围
旧节点会将自己 token 范围内的一部分数据迁移给新节点

✅ 扩容步骤

假设原来：

复制代码

Node1 负责 -∞ ~ 0
Node2 负责 0 ~ +∞

新增 Node3：

makefile 复制代码

系统将新的 token 范围平均分成三份：
Node1: -922... ~ -307...
Node2: -307... ~ 307...
Node3:  307... ~ 922...

系统会：

自动转移部分数据（或你手动 nodetool move）
所有新数据也会按新 token 范围落入不同节点

六、为什么使用 token 分布而不是 hash % n？

一致性哈希（Token Ring） 比普通的取模更适合分布式：

特性	hash % n	一致性哈希
节点变动	需要重哈希全部数据	仅影响小部分数据
分布均衡	可能不均衡	支持虚拟节点均衡分布
动态扩容	不友好	天然支持

七、总结一句话

设备 ID 通过哈希（如 Murmur3）转为一个 Long 型 token，落在哪个 token 区间，就由那个节点负责存储。节点越多，token 分段越细，系统负载越均衡。

✅ 示例目标

输入一个设备 ID，例如：DEVICE_001
使用 Murmur3 哈希计算 token
使用 token % totalTokens 映射分区
模拟 3 个分区的分布效果

💡 Java 完整示例代码

你需要添加一个 Murmur3 哈希实现（这里使用 Apache Cassandra 的简化版），以及主类逻辑。

✅ Maven 依赖（可选，用于 log）

xml 复制代码

<!-- 如果你想用 log -->
<dependency>
    <groupId>org.slf4j</groupId>
    <artifactId>slf4j-simple</artifactId>
    <version>1.7.30</version>
</dependency>

✅ Java Murmur3 分区模拟代码

ini 复制代码

import java.nio.ByteBuffer;
import java.nio.ByteOrder;

public class Murmur3PartitionerDemo {

    public static void main(String[] args) {
        String[] deviceIds = {
                "DEVICE_001", "DEVICE_002", "DEVICE_003",
                "DEVICE_ABC", "DEVICE_XYZ"
        };

        int totalTokens = 3; // 模拟 3 个分区

        for (String deviceId : deviceIds) {
            long token = murmur3Hash64(deviceId.getBytes());
            int partition = Math.abs((int) (token % totalTokens)); // 映射到分区

            System.out.printf("设备: %-12s | Token: %20d | 分区: %d%n", deviceId, token, partition);
        }
    }

    /**
     * MurmurHash3 64-bit 实现（Cassandra 使用）
     */
    public static long murmur3Hash64(byte[] data) {
        final int seed = 0;
        final long c1 = 0x87c37b91114253d5L;
        final long c2 = 0x4cf5ad432745937fL;

        long h1 = seed;
        long h2 = seed;

        ByteBuffer buffer = ByteBuffer.wrap(data);
        buffer.order(ByteOrder.LITTLE_ENDIAN);

        while (buffer.remaining() >= 16) {
            long k1 = buffer.getLong();
            long k2 = buffer.getLong();

            k1 *= c1;
            k1 = Long.rotateLeft(k1, 31);
            k1 *= c2;
            h1 ^= k1;

            h1 = Long.rotateLeft(h1, 27);
            h1 += h2;
            h1 = h1 * 5 + 0x52dce729;

            k2 *= c2;
            k2 = Long.rotateLeft(k2, 33);
            k2 *= c1;
            h2 ^= k2;

            h2 = Long.rotateLeft(h2, 31);
            h2 += h1;
            h2 = h2 * 5 + 0x38495ab5;
        }

        long k1 = 0;
        long k2 = 0;

        int remaining = buffer.remaining();
        switch (remaining) {
            case 15:
                k2 ^= ((long) buffer.get(14) & 0xff) << 48;
            case 14:
                k2 ^= ((long) buffer.get(13) & 0xff) << 40;
            case 13:
                k2 ^= ((long) buffer.get(12) & 0xff) << 32;
            case 12:
                k2 ^= ((long) buffer.get(11) & 0xff) << 24;
            case 11:
                k2 ^= ((long) buffer.get(10) & 0xff) << 16;
            case 10:
                k2 ^= ((long) buffer.get(9) & 0xff) << 8;
            case 9:
                k2 ^= ((long) buffer.get(8) & 0xff);
            case 8:
                k1 ^= buffer.getLong();
                break;
            case 7:
                k1 ^= ((long) buffer.get(6) & 0xff) << 48;
            case 6:
                k1 ^= ((long) buffer.get(5) & 0xff) << 40;
            case 5:
                k1 ^= ((long) buffer.get(4) & 0xff) << 32;
            case 4:
                k1 ^= ((long) buffer.get(3) & 0xff) << 24;
            case 3:
                k1 ^= ((long) buffer.get(2) & 0xff) << 16;
            case 2:
                k1 ^= ((long) buffer.get(1) & 0xff) << 8;
            case 1:
                k1 ^= ((long) buffer.get(0) & 0xff);
        }

        if (remaining > 8) {
            k2 *= c2;
            k2 = Long.rotateLeft(k2, 33);
            k2 *= c1;
            h2 ^= k2;
        }

        if (remaining > 0) {
            k1 *= c1;
            k1 = Long.rotateLeft(k1, 31);
            k1 *= c2;
            h1 ^= k1;
        }

        h1 ^= data.length;
        h2 ^= data.length;

        h1 += h2;
        h2 += h1;

        h1 = fmix64(h1);
        h2 = fmix64(h2);

        h1 += h2;

        return h1; // 返回 64 位 token
    }

    private static long fmix64(long k) {
        k ^= k >>> 33;
        k *= 0xff51afd7ed558ccdL;
        k ^= k >>> 33;
        k *= 0xc4ceb9fe1a85ec53L;
        k ^= k >>> 33;

        return k;
    }
}

✅ 示例输出

makefile 复制代码

设备: DEVICE_001   | Token:  -7924723498472812002 | 分区: 2
设备: DEVICE_002   | Token:  -1467281738947810012 | 分区: 2
设备: DEVICE_003   | Token:   4328787342281400121 | 分区: 0
设备: DEVICE_ABC   | Token:   1894723891247893210 | 分区: 0
设备: DEVICE_XYZ   | Token:  -1239981273871287312 | 分区: 1

🧠 说明

字段	含义
`deviceId`	模拟设备编号
`murmur3Hash64`	生成 Cassandra 风格的 token
`token % totalTokens`	将 token 分配到某个逻辑"分区"或"段"
`Math.abs()`	防止负数分区号（虽然 Cassandra 支持负 token）

token 在 Cassandra 的分布式架构中，是用于决定 数据在集群中存储在哪个节点上的核心机制 。下面结合你提到的 Murmur3Partitioner.hash(deviceId.getBytes()) 这段代码，来解释 token 的作用。

🧩 token 是什么？

在 Cassandra 中，每条数据都需要根据其 分区键（partition key） 进行定位。分区键通过某种分区器（Partitioner）进行哈希计算，得到一个整数值，这个值就叫做 token。

这个 token 是一个 64 位有符号整数。
整个 token 范围是从 -2^63 到 2^63 - 1。
集群中的每个节点会负责一段 token 范围的数据。

🧮 你这段代码做了什么？

ini 复制代码

String deviceId = "DEVICE_001";
long hash = Murmur3Partitioner.hash(deviceId.getBytes());
int tokenRange = hash % totalTokens;

含义解释：

Murmur3Partitioner.hash(deviceId.getBytes())
使用 Murmur3 哈希算法将 deviceId 转换成一个 64 位 token 值。
tokenRange = hash % totalTokens
将 hash 值取模（mod）得到一个范围编号，用于你自己做简单分区或模拟节点分布。

这个 token 值决定了该 deviceId 对应的数据会存储在哪个节点（token 范围负责的节点）上。

💡 token 的作用总结

功能	描述
数据分布	决定某条数据应该落在哪个节点
节点负载均衡	不同节点负责不同 token 范围，做到均衡负载
节点扩容缩容	可按 token 范围平滑迁移数据，不影响系统运行
查询效率	根据 token 快速定位数据所在节点，避免全表扫描

📍可视化理解

假设你有 3 个节点：

节点 A 负责 token [-2^63, -1)
节点 B 负责 token [0, 2^62)
节点 C 负责 token [2^62, 2^63-1]

当你插入一个 deviceId，比如 "DEVICE_001"，经过哈希得到一个 token，它会落入某个范围，于是 Cassandra 就将该数据分配给对应的节点。

java 复制代码

/**
 * 限流配置类
 * 用于配置限流功能所需的Redis模板和拦截器
 */
@Configuration
public class RateLimitConfig {
    
    /**
     * 创建限流功能专用的Redis模板
     * 设置连接工厂、键序列化和值序列化均为StringRedisSerializer
     * @return 配置好的RedisTemplate实例
     */
    @Bean
    public RedisTemplate<String, String> rateLimitRedisTemplate() {
        RedisTemplate<String, String> template = new RedisTemplate<>();
        template.setConnectionFactory(jedisConnectionFactory());
        template.setKeySerializer(new StringRedisSerializer());
        template.setValueSerializer(new StringRedisSerializer());
        return template;
    }
    
    /**
     * 创建限流拦截器
     * 使用Redis模板作为参数创建拦截器实例
     * @return 配置好的RateLimitInterceptor实例
     */
    @Bean
    public RateLimitInterceptor rateLimitInterceptor() {
        return new RateLimitInterceptor(rateLimitRedisTemplate());
    }
}

/**
 * 限流拦截器
 * 实现HandlerInterceptor接口，用于处理请求限流逻辑
 */
@Component
public class RateLimitInterceptor implements HandlerInterceptor {
    
    // Redis模板，用于操作Redis
    private final RedisTemplate<String, String> redisTemplate;
    // 限流键的前缀
    private final String RATE_LIMIT_KEY = "rate_limit:";
    
    /**
     * 构造函数，注入Redis模板
     * @param redisTemplate Redis模板实例
     */
    public RateLimitInterceptor(RedisTemplate<String, String> redisTemplate) {
        this.redisTemplate = redisTemplate;
    }
    
    /**
     * 前置拦截器
     * 在请求处理前进行限流检查
     * @param request 当前HTTP请求
     * @param response 当前HTTP响应
     * @param handler 请求处理方法
     * @return 是否允许继续处理请求
     */
    @Override
    public boolean preHandle(HttpServletRequest request, HttpServletResponse response, Object handler) {
        // 获取客户端IP地址
        String clientIp = getClientIp(request);
        // 构建限流键
        String key = RATE_LIMIT_KEY + clientIp;
        
        // 从Redis获取当前请求计数
        String count = redisTemplate.opsForValue().get(key);
        if (count == null) {
            // 如果计数不存在，设置初始值为1，过期时间为1分钟
            redisTemplate.opsForValue().set(key, "1", Duration.ofMinutes(1));
        } else if (Integer.parseInt(count) >= 100) { // 每分钟100次请求
            // 如果超过限制，返回429状态码
            response.setStatus(429);
            return false;
        } else {
            // 否则计数加1
            redisTemplate.opsForValue().increment(key);
        }
        
        return true;
    }
    
    /**
     * 获取客户端真实IP地址
     * 处理了通过代理服务器的情况
     * @param request HTTP请求对象
     * @return 客户端IP地址
     */
    private String getClientIp(HttpServletRequest request) {
        // 获取X-Forwarded-For头信息
        String xForwardedFor = request.getHeader("X-Forwarded-For");
        if (xForwardedFor != null && !xForwardedFor.isEmpty()) {
            // 如果存在，取第一个IP
            return xForwardedFor.split(",")[0].trim();
        }
        // 否则直接获取远程地址
        return request.getRemoteAddr();
    }
}

totalTokens 是你代码中的一个变量，但 在 Cassandra 或 Murmur3Partitioner 中并不存在一个叫 totalTokens 的内置变量 。它是你自己在这段示例中定义的变量，用于模拟将 token 映射到某个数量的分区或节点。

👇 正确认识 `totalTokens` 的含义

你在代码中写的是：

ini 复制代码

int tokenRange = hash % totalTokens;

这行的含义是：将哈希后的 token 取模某个数值 totalTokens，从而划分到对应的 token 范围。

它常用于模拟场景，比如：

`totalTokens` 的值	含义
`3`	模拟 3 个分区或节点，手动分片
`10`	模拟将 token 分为 10 个段（例如用于数据分桶）
`256`	模拟像 Kafka 的 partition 数那样的场景

✅ 正确使用方式

你应在代码中手动声明并初始化 totalTokens，例如：

ini 复制代码

int totalTokens = 3; // 模拟有3个分区/节点

然后执行：

python 复制代码

int tokenRange = Math.abs((int)(hash % totalTokens));

加上 Math.abs() 是为了避免负数（因为 Murmur3Partitioner 会返回负值）。

✅ 如果是 Cassandra 的真实环境

在 Cassandra 中：

并不使用 % totalTokens 来判断分布，而是直接用 token 落在哪个节点负责的 token 范围。
每个节点的 token 是配置文件（cassandra.yaml）里定义的，比如：

makefile 复制代码

initial_token: -9223372036854775808

Cassandra 会自动根据你使用的分区器（如 Murmur3Partitioner）进行分布。

✅ 总结

项	内容
`totalTokens` 是什么	示例代码中人为设定的变量
是 Cassandra 内置的吗	❌ 不是
应该怎么处理	手动定义一个整型，比如：`int totalTokens = 10;`
实际 Cassandra 怎么用	直接用 token 范围来决定数据在哪个节点

分布式微服务系统架构第165集：阿里，字节，腾讯架构经验汇总

一、什么是 Token？

二、设备 ID 到 Token 的映射（举例）

三、Token Range 分配给节点

四、那 Node1 (Token: 0-42) 这类是怎么来的？

五、如果设备越来越多，如何加节点来扩容？

✅ 原理

✅ 扩容步骤

六、为什么使用 token 分布而不是 hash % n？

七、总结一句话

✅ 示例目标

💡 Java 完整示例代码

✅ Maven 依赖（可选，用于 log）

✅ Java Murmur3 分区模拟代码

✅ 示例输出

🧠 说明

🧩 token 是什么？

🧮 你这段代码做了什么？

含义解释：

💡 token 的作用总结

📍可视化理解

👇 正确认识 totalTokens 的含义

✅ 正确使用方式

✅ 如果是 Cassandra 的真实环境

✅ 总结

四、那 `Node1 (Token: 0-42)` 这类是怎么来的？

👇 正确认识 `totalTokens` 的含义