首先講一下判斷雜湊演算法好壞的三個原則一致性雜湊演算法是分布式系統中常用的演算法。比如，乙個分布式的儲存系統，要將資料儲存到具體的節點上，如果採用普通的hash方法，將資料對映到具體的節點上，如key%n，key是資料的key，n是機器節點數，如果有乙個機器加入或退出這個集群，則所有的資料對映都無效了，如果是持久化儲存則要做資料遷移，如果是分布式快取，則其他快取就失效了。1、平衡性(balance)：是指 hash的結果應該平均分配到各個節點, 這樣從演算法上就解決了負載均衡問題.
2、單調性(monotonicity)： 在新增或者刪減節點時, 同乙個key訪問到的值總是一樣的.
3、分散性(spread)：在分布式環境中，資料應該分散的存放在 分布式集群中的各個節點(節點自己可以有備份), 不必要每個節點都儲存所有的資料.
這裡提到的一致性hash演算法ketama的做法是：選擇具體的機器節點不在只依賴需要快取資料的key的hash本身了，而是機器節點本身也進行了hash運算。
一致性雜湊的情景描述
1、 hash機器節點
首先求出機器節點的hash值（怎麼算機器節點的hash？ip可以作為hash的引數吧。。當然還有其他的方法了），然後將其分布到0～2^32的乙個圓環上（順時針分布）。如下圖所示：
圖一集群中有機器：a , b, c, d, e五颱機器，通過一定的hash演算法我們將其分布到如上圖所示的環上。
2、訪問方式
如果有乙個寫入快取的請求，其中key值為k，計算器hash值hash(k)， hash(k) 對應於圖 – 1環中的某乙個點，如果該點對應沒有對映到具體的某乙個機器節點，那麼順時針查詢，直到第一次找到有對映機器的節點，該節點就是確定的目標節點，如果超過了2^32仍然找不到節點，則命中第乙個機器節點。比如 hash(k) 的值介於a~b之間，那麼命中的機器節點應該是b節點（如上圖 ）。
3、增加節點的處理
如上圖 – 1，在原有集群的基礎上欲增加一台機器f，增加過程如下：
計算機器節點的hash值，將機器對映到環中的乙個節點，如下圖：
圖二增加機器節點f之後，訪問策略不改變，依然按照（2）中的方式訪問，此時快取命不中的情況依然不可避免，不能命中的資料是hash(k)在增加節點以前落在c～f之間的資料。儘管依然存在節點增加帶來的命中問題，但是比較傳統的 hash取模的方式，一致性hash已經將不命中的資料降到了最低。
以上是一致性雜湊的具體實現，基於這種原理，我們可以看到一致性雜湊的優點
1。單調性
因為一致性雜湊的這種演算法，有效的解決了單調性的問題。當分布系統中節點發生變化時，只有少量的資料參與重新計算和遷移。
2。平衡性
對於資料的分布均衡問題，通過虛擬節點的思想來達到均衡分配。當然，我們cache server節點越少就越需要虛擬節點這個方式來均衡負載。
當物理伺服器的數量很小時，需要更多的虛擬節點，反之則需要更少的節點。
3。分散性
關於分散性，人家還沒有想明白，再說吧，大過年的
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...