一致性Hash演算法

比如你有 n 個 cache 伺服器（後面簡稱 cache ），那麼如何將乙個物件 object 對映到 n 個 cache 上呢，你很可能會採用類似下面的通用方法計算 object 的 hash 值，然後均勻的對映到到 n 個 cache ：

hash(object)%n

如果增加乙個cache，對映公式變成了 hash(object)%(n+1)

如果乙個cache宕機了，對映公式變成了 hash(object)%(n-1)

在這兩種情況下，幾乎所有的 cache 都失效了。會導致資料庫訪問的壓力陡增，嚴重情況，還可能導致資料庫宕機。

一致性hash演算法正是為了解決此類問題的方法，它可以保證當機器增加或者減少時，對快取訪問命中的概率影響減至很小。

通常的 hash 演算法都是將 value 對映到乙個 32 位的 key 值，也即是 0~2^32-1 次方的數值空間；我們可以將這個空間想象成乙個首（ 0 ）尾（ 2^32-1 ）相接的圓環

可以使用 cache 機器的 ip 位址或者機器名作為 hash 輸入

在這個環形空間中，如果沿著順時針方向從物件的 key 值出發，直到遇見乙個 cache ，那麼就將該物件儲存在這個 cache 上，因為物件和 cache 的 hash 值是固定的，因此這個 cache 必然是唯一和確定的。

使用簡單的求模方法，當新新增機器後會導致大部分快取失效的情況，使用一致性hash演算法後這種情況則會得到大大的改善。

如下圖，只有物件o4被重新分配到了c4，其他物件仍在原有機器上。

只有物件o2被重新分配到機器c3，其他物件仍在原有機器上。

雜湊的結果能夠盡可能分布到所有的cache中去，這樣可以使得所有的緩衝空間都得到利用。

如果 cache 較少的話，物件並不能被均勻的對映到 cache 上。

可能o1對映到快取a上，o2，o3，o4對映到快取c上。

為了解決這種情況，需要引入虛擬節點的概念。

「虛擬節點」（ virtual node ）是實際節點在 hash 空間的複製品（ replica ），乙個實際節點對應了若干個「虛擬節點」。

如圖，虛擬節點a1，a2都會對映到實際結點a上。

「虛擬節點」的 hash 計算可以採用對應節點的 ip 位址加數字字尾的方式。例如假設 cache a 的 ip 位址為 202.168.14.241 。

引入「虛擬節點」前，計算 cache a 的 hash 值：

hash(「202.168.14.241」);

引入「虛擬節點」後，計算「虛擬節」點 cache a1 和 cache a2 的 hash 值：

hash(「202.168.14.241#1」); // cache a1

hash(「202.168.14.241#2」); // cache a2

參考：