一致性Hash算法

对于一致性Hash算法，我们先来了解一下Hash算法以及其使用的场景（分布式缓存场景），即目前我们服务器都是分布式部署的，假设现在有上万张的图片需要存储到我们的分布式缓存服务器中，此时我们希望这些图片尽可能均匀地分布在每一个服务器上，此时我们首先想到的是Hash算法。

我们假如此时存在三台服务器A，B，C，我们对于需要存储的图片key进行hash算法求出对应的hash值，然后使用hash % 服务器数量（此时为3） 求出余数，即为我们需要存储的服务器的id：

但是如果增加服务器的数量，由于此时服务器的增加，使得n发生变化，那么之前计算的结果，此时就会发生变化！！！导致不能访问到原来正确定位的数据，就会向数据库（后端服务器上）请求数据，从而发生缓存雪崩，后端服务器崩溃等问题。。。

解决方案：一致性算法

我们设置存在2的32次方的个点组成的hash圆环，此时我们我们将我们的服务A，B，C使用相同的hash算法，计算出对应的哈希值：hash(A),hash(B),hash©，此时将计算得到的hash值对我们的2^32进行取模计算，得到其在hash圆环上的对应的位置：

此时我们要存储的图片按照相同的hash算法计算出对应的hash值，然后也对2^32进行取模，找到圆环上对应存储的位置，接着按照顺时针查找，存储到遇到的第一个缓存服务器上，如图所示：

此时如果添加缓存服务器的个数，假设我们添加服务器D，计算其对应圆环的位置，假设如下图所示：

此时只存在一小部分的数据失效（图片访问到D缓存服务器上），需要重新从数据库中获取，大多数的缓存数据还是和增加缓存服务器之前保持一致性！！！