資料分布演算法
（1）集中式的元資料查詢，如hdfs
（2）分布式演算法，例如一致性雜湊演算法，如crush
crush演算法步驟：
1、pool_id+hash(object_id)得到pg_id
2、針對每乙個osd，通過同樣的常量r，crush_hash(pg_id, osd_id, r) 得出乙個不同的隨機數，然後使用自己的隨機數與osd的weight相乘，得到draw，選出其中最大的draw值作為第乙個osd；然後將常量r+1，對每乙個osd再一次計算自己的隨機數，然後使用自己的隨機數與osd的weight相乘，得到draw，選出其中最大的draw值作為第二個osd；然後將常量r+2，對每乙個osd再一次計算自己的隨機數，然後使用自己的隨機數與osd的weight相乘，得到draw，選出其中最大的draw值作為第三個osd。
四種選擇演算法：
1、unique
2、list
3、tree
4、straw（目前使用）
crush演算法原始碼分析：
void
do_rule
(int rule,
int x, vector<
int>
& out,
int maxout,
const weightvector& weight,
uint64_t choose_args_index)
const
（2）、當rule的操作型別以下四種時：
case crush_rule_chooseleaf_firstn:
case crush_rule_choose_firstn:
firstn =1;
/* fall through */
case crush_rule_chooseleaf_indep:
case crush_rule_choose_indep:
firstn: 適用於副本池，選擇結果中rep（replica，指乙份副本或者ec中的乙個分塊，下同）位置無明顯意義
indep: 適用於ec池，選擇結果中rep位置不可隨意變動
舉例來說，副本池中每份副本儲存的是完全相同的資料，因此選擇結果為[0, 1, 2]（數字代表osd編號）與[0, 2, 1]並無大的不同。但是ec池不一樣，在2+1的配比下前兩份是資料塊，最後乙份是校驗塊，後兩份rep位置一交換就會導致資料出錯。
下面主要針對firstn的型別：
4、函式crush_choose_firstn，目標是選出指定的numrep，type型別的節點，
執行for迴圈，rep變數初始值為0，到rep等於numrep時跳出迴圈，每次rep加1。
（1）、首先計算用於crush演算法的常量值r，常量值r的取值由rep變數（從0開始，每次選取完乙個osd則加1）+ ftotal（初始值0，每次選取結果不符合則加1）+ parent_r（從parent傳遞過來的值）【這裡的傳遞的parent_r值都是0】
（2）、呼叫函式crush_bucket_choose根據實際的crush演算法（一般使用straw）來選出第乙個符合的節點item；
（3）、當!collide && recurse_to_leaf時，如果遞迴呼叫crush_choose_firstn函式找不到葉子節點，就去掉這個節點item，此時ftotal加1，回到步驟1；
（4）、直到找到符合要求的numrep個節點，即完成for迴圈。
5、函式crush_bucket_choose根據使用的是哪一種演算法，找到對應演算法的choose函式，這裡以straw為例，會呼叫函式bucket_straw_choose。
/* straw */
static
intbucket_straw_choose
(const
struct crush_bucket_straw *bucket,
int x,
int r)
}return bucket->h.items[high];}
// 返回簽長最長的節點作為選取的節點
如果是使用hash演算法，對每乙個pg_id取hash值以後，對osd總數取模，那麼一旦osd掛掉或者刪除osd或者加入新的osd，都會導致osd的總數產生變化，以致於大量的pg_id到osd的對映關係發生變化，會造成大量的資料遷移。
同時每次使用hash演算法都只能得到乙個osd的對映關係，所以如果需要找到osd集合的話，需要執行多次hash。
問題：
pgid到osd集合的對映中，需要先針對每乙個osd通過乙個crush_hash(pg_id, osd_id, r) 得出乙個隨機數，然後與該osd的weight相乘，得到乘值最大的osd；然後將r+1，得到另乙個不同的osd，再將r+2，得到第三個不同的osd。這裡r是乙個隨機常量？？只有每次都是同樣的r才能每次計算都是一樣的結果吧。所有這裡的r是會儲存起來嗎？不然客戶端計算得到的會一直都是一樣的集合嗎？
解答：至少在目前看到的流程中r的初始值始終是1。
參考：
演算法分析 演算法的漸進效率分析
一般用於界定函式集合的上界，漸進表示式o g n 的含義就是，c為正常數，函式集合o中的元素的最大值不會超過c.g n f n o g n 的含義是，函式f n 的屬於集合o g n 因為函式集合o中的最大值為c.g n 所以f n 的最大值為c.g n 由於只是漸進的上界，所以當函式g n 的階數...
演算法和演算法分析
一 演算法的基本概述 演算法是為了解決某類問題而規定的乙個有限長的操作序列。乙個演算法必須滿足以下五個重要特性 1 有窮性2 確定性3 可行性 4 有輸入5 有輸出 二 設計演算法的原則 1.正確性 2.可讀性 3 健壯性 4.高效率與低儲存量需求 三 演算法的時間複雜度簡介 語句頻度 語句重複執行...
演算法和演算法分析
演算法是為了解決某類問題而規定的乙個有限長的操作序列。五個特性 1.有窮性2.確定性3.可行性4.輸入5.輸出 1.正確性2.可讀性3.健壯性4.高效性 1.問題規模和語句頻度 不考慮計算機的軟硬體等環境因素，影響演算法時間代價的最主要因素是問題規模。問題規模是演算法求解問題輸入量的多少，是問題大小...