一致性hash算法

应用场景

一致性hash算法在1997年由麻省理工学院在解决分布式Cache中提出的，设计目标是为了解决因特网中的热点(Hot spot)问题。在分布式系统中也得到了广泛应用。

hash取余

hash(object)%N

假设，我们有一个redis集群用来存储图片资源，图片的名称是不一样的，当我们对同一个图片名称做相同的哈希计算时，得出的结果是不变的，如果我们有3台服务器，使用哈希后的结果对3求余，那么余数一定是0、1或2。
如果求余的结果为0， 我们就把这个图片缓存在0号服务器上；如果余数为1，就缓存在1号服务器上；如果余数为2，就缓存在2号服务器上。那么，当我们访问任意一个图片的时候，只要再次对图片名称进行上述运算，即可得出对应的图片应该存放在哪一台缓存服务器上，我们只要在这一台服务器上查找图片即可，如果图片在对应的服务器上不存在，则证明对应的图片没有被缓存，也不用再去遍历其他缓存服务器了。

问题：
但是，使用上述HASH算法进行缓存时，在服务器数量变动的时候，会出现一些问题，所有缓存的位置都要发生改变！
如果3台缓存服务器已经不能满足我们的缓存需求，假设，我们增加了一台缓存服务器，那么缓存服务器的数量就由3台变成了4台，此时，如果仍然使用上述方法对同一张图片进行缓存，那么这张图片所在的服务器编号必定与原来3台服务器时所在的服务器编号不同，因为除数由3变为了4，被除数不变，余数就会不同，这种情况带来的结果就是当服务器数量变动时，所有缓存的位置都发生了改变，也就是说，当服务器数量改变时，缓存在一定时间内是失效的，当应用无法从缓存中获取数据时，则会向后端服务器请求数据，由于大量缓存在同一时间失效，造成了缓存的雪崩，此时前端缓存已经无法起到承担部分压力的作用，后端服务器将会承受巨大的压力，整个系统很有可能会崩溃。

一致性hash

一致性Hash算法将整个哈希值空间组织成一个0~2^32-1无符号整数的虚拟圆环，圆环按顺时间方向组织。
1、将各个服务器IP使用Hash函数计算散列到hash环上。

2、将key使用Hash函数计算散列到hash环上。

key在hash环上映射的位置顺时针方向寻找遇到最近的一个node就是其定位到的服务器。由此可见，key1数据落在node1上，key2、key3、key4数据落在node2上。
3、服务器伸缩扩展及容错性

假如node1节点宕机了，只是对key1的数据有影响，其它数据不受影响，key1数据会被重新定位到node2节点。
4、数据倾斜
我们可以看到，大部分数据落到了node2节点，node3节点没有数据，在一定程度上造成了数据倾斜问题。为了解决这种数据倾斜问题，一致性Hash算法引入了虚拟节点机制，即对每一个服务节点计算多个哈希，每个计算结果位置都放置一个此服务节点，称为虚拟节点。企图更加均匀的散列在hash环上。jedis中完成了虚拟节点的实现。