現在我們假設有100臺redis data伺服器，乙份資料101進來的時候，以雜湊公式hash(i)&100，計算所存放的伺服器，假設hash(i) = i,那麼資料被雜湊到標號為1的伺服器,然後這個時候伺服器新增了一台，然後雜湊公式為hash(i)%101，這個時候請求訪問資料101的時候，被分配至0號伺服器，但是其實這個時候資料是在1號伺服器的。
所以這個時候，我們假設是新增了伺服器，如果是持久化儲存的，我們可以讓伺服器集群對資料進行重新雜湊，進行資料遷移，然後進行恢復，但是這個時候就意味著每次增減伺服器的時候，集群就需要大量的通訊，進行資料遷移，這個開銷是非常大的。如果只是快取，那麼快取就都失效了。所以這個時候怎麼辦？
傳統的取模方式
例如10條資料，3個節點，如果按照取模的方式，那就是
node a: 0,3,6,9
node b: 1,4,7
node c: 2,5,8
當增加乙個節點的時候，資料分布就變更為
node a:0,4,8
node b:1,5,9
node c: 2,6
node d: 3,7
總結：資料3,4,5,6,7,8,9在增加節點的時候，都需要做搬遷，成本太高
一致性雜湊方式
最關鍵的區別就是，對節點和資料，都做一次雜湊運算，然後比較節點和資料的雜湊值，資料取和節點最相近的節點做為存放節點。這樣就保證當節點增加或者減少的時候，影響的資料最少。
還是拿剛剛的例子，（用簡單的字串的ascii碼做雜湊key）：
十條資料，算出各自的雜湊值
0：192
1：196
2：200
3：204
4：208
5：212
6：216
7：220
8：224
9：228
有三個節點，算出各自的雜湊值
node a: 203
node g: 209
node z: 228
這個時候比較兩者的雜湊值，如果大於228，就歸到前面的203，相當於整個雜湊值就是乙個環，對應的對映結果：
node a: 0,1,2
node g: 3,4
node z: 5,6,7,8,9
這個時候加入node n, 就可以算出node n的雜湊值：
node n: 216
這個時候對應的資料就會做遷移：
node a: 0,1,2
node g: 3,4
node n: 5,6
node z: 7,8,9
這個時候只有5和6需要做遷移
另外，這個時候如果只算出三個雜湊值，那再跟資料的雜湊值比較的時候，很容易分得不均衡，因此就引入了虛擬節點的概念，通過把三個節點加上id字尾等方式，每個節點算出n個雜湊值，均勻的放在雜湊環上，這樣對於資料算出的雜湊值，能夠比較雜湊的分布（詳見下面**中的replica）
通過這種演算法做資料分布，在增減節點的時候，可以大大減少資料的遷移規模。
3、虛擬節點
一致性雜湊演算法在服務節點太少時，容易因為節點分部不均勻而造成資料傾斜問題。例如我們的系統中有兩台伺服器，其環分布如下：
此時必然造成大量資料集中到server 1上，而只有極少量會定位到server 2上。為了解決這種資料傾斜問題，一致性雜湊演算法引入了虛擬節點機制，即對每乙個服務節點計算多個雜湊，每個計算結果位置都放置乙個此服務節點，稱為虛擬節點。具體做法可以在伺服器ip或主機名的後面增加編號來實現。例如上面的情況，我們決定為每台伺服器計算三個虛擬節點，於是可以分別計算「memcached server 1#1」、「memcached server 1#2」、「memcached server 1#3」、「memcached server 2#1」、「memcached server 2#2」、「memcached server 2#3」的雜湊值，於是形成六個虛擬節點：
一致性雜湊演算法
好吧，我們決定打破這種基於資料項商業邏輯的劃分思維，來考慮一種基於 key 的劃分方式，這有些類似於後面介紹的資料庫水平分割槽 sharding 我們需要設計一種不依賴資料項內容的雜湊演算法，將所有資料項的 key 均衡分配在這三颱快取伺服器上。乙個簡單而有效的方法是 取餘 運算，這就像打撲克時的發...
一致性雜湊演算法
在分布式系統中，如果某業務可以由多個相同的節點處理，很容易想到用hash的方式將業務請求分散到這些節點處理，如果有n個節點，計算方法為 hash id n。如果只是簡單的計算，不涉及使用者狀態，這是乙個簡單有效的方案。如果節點的計算涉及使用者狀態，比如維護購物車 memcache快取服務等，好像也沒...
一致性雜湊演算法
判定好壞的四個定義 1 平衡性 balance 平衡性是指雜湊的結果能夠盡可能分布到所有的緩衝中去，這樣可以使得所有的緩衝空間都得到利用。很多雜湊演算法都能夠滿足這一條件。2 單調性 monotonicity 單調性是指如果已經有一些內容通過雜湊分派到了相應的緩衝中，又有新的緩衝加入到系統中。雜湊的...