一致性哈希算法（Consistent Hashing）

    一致性哈希（Consistent Hashing）是在分布式缓存系统中的常用的一种算法。在一个大型的缓存系统中，缓存的内容通常都分布式的存储在多台缓存服务中的，如何更好的定位客户端所需的缓存？

传统哈希算法

    哈希是一种信息特征提取的方法，可以将长度的信息映射成固定长度的特征值，映射的过程也就是哈希算法。例如有3台缓存服务器时，可以使用对3取模作为哈希算法，按照哈希的结果0~2将缓存的请求分别定位到3台服务器。

    使用传统哈希算法有一个明显的缺陷，就是当缓存服务器发生增减时，用于取模的数发生变化，哈希的结果几乎都发生了变化，缓存定位的结果也相应变化，最终导致大多数缓存不可用。假设在有3台缓存服务器的缓存系统中增加1台服务器，对于信息值0~9，只有0~2保持了原哈希结果，3~9的哈希结果都变了。

一致性哈希算法

    一致性哈希算法是David Karger等在论文Consistent Hashing and Random Trees: Distributed Caching Protocols for Relieving Hot Spots on the World Wide Web中提出的。其基本原理是采用一个较大的哈希值域空间，如2^32，将这些值构成一个虚拟的环。缓存服务器也以其id映射到这个环中。为一条缓存寻找缓存服务器时，计算其哈希值并映射环中，然后按瞬时间方向，遇到的第一台服务器即为要寻找的服务器。

    如图所示，使用一致性哈希以后，当在有3台服务器的缓存系统增加1台服务器时，仅有标为金色的一段缓存被重新定位，其它缓存的定位不变。 

虚拟节点

    使用一致性哈希算法分配缓存时，有一个常见的问题，就是当缓存服务器较少时，可能出现缓存分配的严重不均匀。例如在本文第2张图的例子中，如果缓存在哈希值空间环上的分配是均匀的，则在Cache Server 1中的缓存条目要比Server 0和Server2少得多，为了解决这个问题，可以引入虚拟节点。如图所示，Server 0#0和Server 0#1都代表的是Server 0，但其在环上映射的位置不同，可以在一定程度上避免分配不均匀的问题。在本例中，和未增加虚拟节点之前相比，Server 1上分配的缓存条目除了绿色的一段，新增了金色的一段，缓存的分配更加均衡。

参考资料

http://blog.codinglabs.org/articles/consistent-hashing.html