一致性hash算法

场景：比如你有 N 个服务器（后面简称 cache ），那么如何将一个对象 object 映射到 N 个服务器上呢，你很可能会采用类似下面的通用方法计算 object 的 hash 值，然后均匀的映射到到 N 个服务器 ；hash(object)%N(这里%是取余的意思)
一切都运行正常，然后我们再考虑如下的两种情况；
1、一个服务器（s）， down 掉了（在实际应用中必须要考虑这种情况），这样所有映射到 s上的对象都会失效，怎么办，我们就需要把 s移除，这时候服务器的总数就变成了 N-1 台，映射公式变成了 hash(object)%(N-1) ；
2、由于访问加重，需要添加一个新的服务器 ，这时候服务器的总数就变成了 N+1 台，映射公式变成了 hash(object)%(N+1) ；
1 和 2 意味着什么？这意味着突然之间几乎所有的服务器都失效了。对于服务器而言，这是一场灾难，洪水般的访问都会直接冲向后台服务器；再来考虑第三个问题，由于硬件能力越来越强，你可能想让后面添加的节点多做点活，显然上面的 hash 算法也做不到
一致性hash算法通过一个叫作一致性hash环的数据结构实现。这个环的起点是0，终点是2^32 -1，并且起点与终点连接，环的中间的整数按逆时针分布，故这个环的整数分布范围是[0, 2^32-1]，如下图所示：

解决方案：把服务器和对象全都映射到hash环中（），在hash环上顺时针查找距离这个对象的hash值最近的服务器，即是这个对象所属的服务器。例如：
我们想把有四个对像 object1—object4放到三个服务器上cacheA—cacheC，首先用hash函数计算出他们的hash值，在hash环中标记出来，如下图：

从图中我们可以很清楚的看出：object1属于cacheA；object2和object3属于cacheC；object4属于cacheB。
假设一台服务器比如说是cacheB，down掉了，那么新的从属关系如下图：

从中我们可以看出仅有object4的位置发生了改变。
假设新增一台服务器比如说是cacheD，那么新的从属关系如下图：

从中我们可以看出仅有object2的位置发生了改变。
上面的方法看起来很不错，但是新加入的机器其实并没有均匀的分担原来机器的负担。为了解决这个问题，虚拟节点就诞生了

我们假设每台机器都有三个虚拟节点（包括自身），那么新加入的缓存机器c4对应一组虚拟节点c41，c42，c43，加入到hash环后，影响的虚拟节点包括c31，c22，c11（顺时针查找到第一个节点），而这3个虚拟节点分别对应机器c3，c2，c1。即新加入的一台机器，同时影响到原有的3台机器。理想情况下，新加入的机器平等地分担了原有机器的负载，这正是虚拟节点带来的好处。