假設使用redis快取資源，key值為名稱，value為該所在檔案伺服器路徑，我們需要根據名稱查詢該檔案所在檔案伺服器上的路徑，資料量大概有2000w左右，採用隨機分配規則，部署8臺快取伺服器，每台伺服器大概含有500w條資料，並且進行主從複製。
實際上，這樣也能滿足我們的要求，但如果這樣做，當我們需要訪問某個快取項時，則需要遍歷4臺快取伺服器，遍歷的過程效率太低，時間太長。我們考慮使用hashmap底層雜湊結構，按照hash值、取模規則來分配，即 hash（名稱）% n。
如果我們使用hash的方式，每一張在進行分庫的時候都可以定位到特定的伺服器。
假設我們查詢的是"a.png"，由於有4臺伺服器（排除從庫），因此公式為hash（a.png） % 4 = 2 ，可知定位到了第2號伺服器，這樣的話就不會遍歷所有的伺服器，大大提公升了效能！
上述方式雖然提公升了效能，我們不再需要對整個redis伺服器進行遍歷。但使用上述hash演算法進行快取時，會出現一些缺陷，主要體現在伺服器數量變動的時候，所有快取的位置都要發生改變。
如果我們增加一台快取伺服器，那麼規則由 hash（a.png） % 4 = 2 的公式就變成了hash（a.png）% 5 = ？；減少一台快取伺服器，規則由hash（a.png） % 4 = 2 的公式就變成了hash（a.png）% 3 = ？。這種情況帶來的結果就是當伺服器數量變動時，所有快取位置都要發生改變。換句話說，當伺服器數量發生改變時，所有快取在一定時間內是失效的，當應用無法從快取中獲取資料時，則會向後端資料庫請求資料，可能會出現快取雪崩。
所以，我們應該想辦法不讓這種情況發生，但是由於上述hash演算法本身的緣故，使用取模法進行快取時，這種情況是無法避免的，為了解決這些問題，一致性hash演算法誕生了！
一致性雜湊演算法主要應用在分布式資料儲存系統中，按照一定的策略將資料盡可能均勻分布到所有的儲存節點上去，使得系統具有良好的負載均衡效能和擴充套件性。一致性hash演算法也是使用取模的方法，只不過剛才描述的取模法是對伺服器數量進行取模，而一致性hash演算法是對 2^32 取模。我們把 2^32 想象成乙個圓，整個空間按順時針方向組織，把這個由 2^32 個點組成的圓環稱為hash環。
到目前為止，我們已經把快取伺服器與hash環聯絡在了一起。接下來使用如下演算法定位資料訪問到相應伺服器：將資料key使用相同的函式hash計算出雜湊值，並確定此資料在環上的位置，從此位置沿環順時針"行走"，第一台遇到的伺服器就是其應該定位到的伺服器！
如：我們有object a、object b、object c、object d四個資料物件，經過雜湊計算後，在環空間上的位置如下：
根據一致性hash演算法，資料a會被定為到node a上，b被定為到node b上，c被定為到node c上，d被定為到node d上。
假設node c不幸宕機，可以看到此時物件a、b、d不會受到影響，只有c物件被重定位到node d。
假設在系統中增加一台伺服器node x
此時物件object a、b、d不受影響，只有物件c需要重定位到新的node x 。
綜上，一致性hash演算法對於節點的增減都只需重定位環空間中的一小部分資料，具有較好的容錯性和可擴充套件性。
一致性hash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（被快取的物件大部分集中快取在某一台伺服器上）問題，如：系統中只有3臺伺服器，被快取的物件很有可能大部分集中快取在某一台伺服器上，造成資料分配不均勻。
此時必然造成大量資料集中到node a上，而只有極少量會定位到node b上。為了解決這種資料傾斜問題，我們想要均衡的將快取分布到3臺伺服器上，最好能讓這3臺伺服器盡量多的、均勻的出現在hash環上，但真實的伺服器資源只有3臺，我們考慮將現有的物理節點通過虛擬的方法複製出來，一致性hash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，這些由實際節點虛擬複製而來的節點被稱為虛擬節點。
採用虛擬節點機制，解決了服務節點少時資料傾斜的問題，hash環上的節點就越多，快取被均勻分布的概率就越大。
【參考資料】：
什麼是一致性hash演算法？
一致性雜湊演算法
了解一致性雜湊演算法
一致性雜湊演算法是為了解決普通雜湊演算法的熱點問題，當使用普通雜湊演算法來切割資料到不同的快取伺服器時。一旦快取伺服器的數量產生變化，客戶端向快取伺服器請求相應的資料就不會命中，轉而請求具體的資料庫伺服器，從而造成快取擊穿。下面我們來看一下使用普通雜湊演算法時所帶來的問題，假如我們擁有 10 臺快取...
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...