一致性哈希（散列函数深入理解）

分布式负载均衡问题

在分布式系统中，负载均衡是个经典问题了。
分布式系统的意思是，用好多台服务器来同时提供服务，那么他们之间工作量应该尽量平均，如果某台工作量特大，其余没事干，那和不用分布式有什么区别？因此，负载均衡就是让分布式中各个服务器之间的工作量均衡的意思。
在负载均衡的解决方法中，散列函数起到了关键作用。

原始散列函数解决负载均衡

散列函数的性质，就是均匀分布在原始散列区间。然后，通过取余操作，再均匀分布到分布式集群的区间内，这样，每台服务器就能实现负载均衡了。比如，有10台服务器，数据传过来时，先经过散列函数计算，计算结果再%10，就能平均映射到10太服务器上。
原始散列函数分流的问题
上面的分布式系统，有一个问题，那就是，扩充时太麻烦了，比如，服务高峰期，需要把服务器从10台扩充到100台，那么，此时扩容代价就很高了，相当于之前10台服务器中保存的数据，需要全部重新分配到100台。

一致性哈希解决负载均衡

从上面利用散列函数的例子中，可以看出，散列函数第一次计算后的结果区间，往往是非常大的，所以上面的例子以及一般的散列表，都是需要在原始散列区间的基础上，再利用取余操作，将结果区间再均匀映射到更小的区间。
那么，一致性哈希的思想就是，不进行第二次映射。我们就使用第一次映射的区间。
1.首先，将原始的散列函数映射区间，可以理解为一个环，首尾相接。
2.将服务器的某个属性，比如IP，或者MAC地址等等，用散列函数计算，映射到原始散列区间上某个位置。
3.然后，服务器映射的几个点，其实就把原始散列区间划分成几段，一致性哈希规定，区间内小于等于某个服务器结点的映射结果，就划分给大于等于它的那个服务器。
4.因此，当再次需要扩充服务器时，只需要将新的服务器，映射到区间内，然后，只需要将重叠部分的服务复制到新服务器上就搞定了，就不需要把所有数据重新分配了，只需要动局部就行。
一致性哈希的缺点
散列函数能够均匀分布在散列区间内的前提是，数据量足够大，如果数据量太小，是不能保证均匀分布的，这就导致的问题是：
1.服务器的数量往往没那么多，因此，不管是用服务器IP还是什么来计算散列函数，往往不能平均分。比如，三台服务器，计算后的位置，往往不是三分之一。
2.就算用某些手段，能够让服务器的位置平均分，那么，再添加服务器的时候呢？比如，原来三台服务器，每台三分之一，再来一台，无论映射到哪里，都不可能平分四份，因此，肯定负载不均衡了。
解决措施：虚拟节点技术
比如，真实服务器就三台，然后，利用虚拟节点技术，给每台服务器虚拟出1000个节点，总共虚拟出3000个节点，这3000不重复就行。然后，用一张路由表记录每台服务器对应的1000个虚拟节点。
然后，用虚拟节点经过散列函数后，映射到环上，然后，用虚拟节点的结果映射到真实的服务器上。相当于，查询数据时，第一步，查询出小于等于某个虚拟节点，第二步，查找路由表中该虚拟节点对应的服务器，然后由服务器解决。
总结一下，相当于，之前出现问题的原因就是服务器数量太少，导致散列后无法均匀分布，现在虚拟出足够数量的虚拟节点后，数据量就上来了，这些虚拟节点肯定能均匀分布了，然后再映射到真实服务器上就行了。
如果新添加一台服务器的话，仍然可以再给它配置1000个虚拟节点，然后通过散列函数将虚拟节点映射到环上。然后将之前重叠部分复制到新服务器就行了，仍然不需要全部重新分配，并且还能保证负载均衡。
因此，一致性哈希加上虚拟节点技术，就能完全解决这个问题。