一、負載均衡
1.應用場景：
假設有三颱快取伺服器s0,s1,s2，同時有三萬張需要快取，最好可以均勻的快取到伺服器上，這樣可以分擔快取的壓力。
2.解決方法
對快取下的鍵進行hash計算，雜湊後的值是個整數，再用快取伺服器的數量對這個值進行取模計算，餘數決定資料應該快取到哪台伺服器上。
hash（名稱）%機器數=餘數
3.缺陷
將快取伺服器增加至3-4臺，由於伺服器數量發生變化，導致不能正常訪問快取資料，而程式在無法在快取中獲得資料時，會向後端伺服器請求資料，也就是大量快取在同一時間失效，造成快取血崩，快取機制無法起到分擔訪問壓力的作用，壓力就轉移到後端伺服器，整個系統很有可能會被壓垮，為了避免這些問題，就採用一致性雜湊演算法。
二、一致性hash演算法：
1.演算法描述
假設依然有三颱伺服器a,b,c hash計算後對232取模，（32位系統乙個指標4個位元組，乙個位元組8位，4*8=32位元組）有232個結點，從在hash環上的位置開始，沿順時針查詢，遇到的第乙個伺服器就是應該存放的快取伺服器，由於被快取物件與伺服器hash後的值是固定的，在伺服器不變的情況下，若要訪問，只需使用相同的演算法，就可算出被快取到那台伺服器上，去對應的伺服器上查詢即可。
按照一致性雜湊演算法的規則，先將服務d對映到雜湊環上，這樣一部分按順時針第乙個遇到的伺服器由a變成了d,也就是說，增加了一台伺服器，會導致一小部分不可訪問，但大部分都可以正常訪問。
2.一致性雜湊演算法的優點：
如果伺服器數量發生改變，並不是所有的快取都會失效，而是只有部分快取會失效，仍然能夠分擔整個系統大部分的壓力，而不至於所有的壓力同一時間都集中到後端伺服器上
3.缺陷：
雜湊偏斜
三、雜湊偏斜
1.描述
在實際的對映中，伺服器對映到雜湊環上很有可以是斜的，稱為雜湊偏斜，在hash環偏斜的情況下，大部分的快取物件很有可能會快取到一台伺服器上。導致快取分布極度不均勻，三颱伺服器沒有被平均的使用，如果快取資料較多的伺服器失效，由於失效的快取太多，在這種情況下，很有可能引起系統的故障，
2.解決方式：
要想均衡的將快取分布到伺服器上，要讓伺服器盡量的多，這樣才能均勻的出現在雜湊環上，解決方式是：增加虛擬節點
真實的伺服器資源只要三颱，但 可以根據現有的物理節點對映許多新的節點，比如：a->a1,a2……an,再將虛擬節點加入雜湊環
引入虛擬節點後，虛擬節點越多，雜湊環上的伺服器節點就越多，快取被均勻分布的概率就越大，這樣就可以一定程度上減小雜湊環偏斜帶來的影響，在進行快取讀寫時，可以先找到快取對應的虛擬節點，再找到對應的真實節點，再進行快取資料的儲存和讀取。
應用負載均衡（輪詢 一致性雜湊）
今天看書看到了應用負載均衡的輪詢與一致性雜湊，其中說到，一致性雜湊可以根據應用請求的url或者url引數將系統的請求 到同一節點，而輪詢是將請求均勻地 到每個伺服器。1 輪詢 1 2 3 優點 到後端應用的請求更加均勻，使得每個伺服器基本均衡 缺點 隨著後端應用伺服器的增加，快取的命中率為下降，這種...
Nginx負載均衡之一致性雜湊演算法
nginx提供了多種負載均衡演算法，ip hash是其中的一種，但是通常情況下不用他而用第三方的演算法，為什麼？因為ip hash在nginx是第一層 時才有效果，如果在經過nginx前經過了其他 時，會造成獲取的ip不正確。upstream web server常用的一致性雜湊演算法 ngx ht...
一致性雜湊
直接貼出一篇介紹的很清楚的博文。關鍵字一致性雜湊 平衡性，單調性，分散性，負載 其實說白了，就是解決把請求分散到不同的機器上運算，怎麼做分散的平均，機器少一台多一台，或者壞掉一台，成很好的自適應和拓展。最簡單的實現分布式演算法，取模嘛，但是它就上述的一些問題，所以不算好的雜湊函式。一致性雜湊演算法，...