分布式算法，一致性哈希

以分布式的缓存服务器为例来分析某个key应该存储在哪个节点服务器上。

1、哈希后取模
先对key做哈希运算得到一个无符号整数，然后对n取模，n为节点服务器个数。
显然这种方式的存储，无论是增加节点还是减少节点，所有的key大部分都要重新分配，因为n发生了变化；这样的代价很大，并且作为存储设备，横向扩展或者节点宕机都是有可能的事，不适合存储。

2、一致性哈希算法 Consistent hashing

将节点服务器的名称和key都使用哈希运算得到一个32位的无符号整形，取值区间 (0, 2^32 -1]，这个环的作用是，当我们部署好了服务器后，通过这个虚拟的环来决定要将key存在哪个node上，遍历node数组，找到大于等于key哈希的最小的那个节点，也就是在环上看，顺时针数，key哈希后面的最近的一个node。
这种方式比上一种方式的好处是，无论是增加还是删除node，只影响的是归属到他名下的key，所以需要重新调整分配的key要明显少很多。
当然这种方式还是有缺陷的，无论我们使用node的名称还是ip来做哈希运算，都不可避免node节点在环上分布不均的情况，比如下图：

A，B，C三个node运算后的值比较接近，根据顺时针取下规则，很显然A节点承载的区间非常大，导致A可能的压力最大。
为了优化这个情况，提出了第三种方法。

3、一致性哈希+虚拟节点
既然三个节点很可能造成很大的不均，那么三百个呢，显然能够削弱这种不均。

我们拔掉A，B，C，取而代之的在环上撒上A1-A100，B1-B100，C1-C100，这样，A1-A100之间总能有一些B和C，B1-B100之间总能有一些A和C，C1-C100之间总能有一些A和B，这种方式就比方式二相对均匀一些，我们也是顺时针原则找到key的虚拟存放点，然后再看这个点是A族还是B族还是C族，然后分配到实际存储的服务器上，

具体实现：https://github.com/phprao/DistributionHashing