hash之一致性hash算法

一致性hash算法的主要应用于分布式数据储存的场景下。
下面一步步解析为什么使用一致性hash算法：
以缓存为例
缓存的使用目的：提高数据访问性能，缓解数据库压力。（以空间换取时间）
互联网公司的分布式高并发系统的特点：高并发，海量数据
处理高并发的方法：分布式集群
因为单机缓存不能承受高并发 例如Redis,Memcache的并发量可以达到12W并发 ，但往往数据量会更大
所以需要缓存集群
海量数据对缓存的影响：需要分布式缓存集群，分片存储。
一，为了将数据均衡的分布到缓存上使用hsah算法（hash求余 hash（key）%集群结点数）

假如有结点的3个，数据量是666，若hash(666) =100，则
100%3=1 放在服务器 1上。
如果增加一台服务器，则 100%4=0,则数据无法在缓存上找到。
3–>4太服务器 则有75%的数据无法命中。（最小公倍数）
若 99–>100 则有99%的数据无法命中。则大量数据无法在缓存上找到，则需要访问数据库，导致数据库雪崩。
由此可见使用hash，解决方法只有：加班，在数据库访问量少的时候来扩容，预热数据。

二，使用一致性hash
实现原理：

增加结点后：

如图，对原来的存储 5号的影响为0，而4号的影响最大可达1/3，而且只能影响到2号结点，
对其他结点没有影响。而且根据集群结点算出来的hash值不是均衡分布的，可能会是如下：

三，采用一致性hash和虚拟结点
对于缓存集群计算出若干的虚拟结点。

虚拟结点数越多，分布越均匀 。
当增加一个结点时，虚拟结点数越多，对原结点的影响越均衡。
则不命中的数会变为如：3---->4 1/4
因为是均衡分布，所以每个都是缓存上都是1/4，故而1/4将受到影响。