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？
如上圖，我們有abcd四台伺服器，這四台伺服器被分配至0~232 的乙個環上，比如0~230的儲存在a伺服器，230 +1~231 儲存到b伺服器上.....cd按照這樣的進行均分。將我們的雜湊空間也劃為0~232 ，然後資料進來後對232 取模，得到乙個值k1，我們根據k1在環上所處的位置，得到所分配到的伺服器，如圖，k1被分配到b伺服器。 這個時候，我們有一台伺服器b失效了。
我們可以看到，如果是b失效了，那麼如果有持久化儲存的，需要做資料恢復，將b的資料遷移至c即可，對於原本雜湊在a和d的資料，不需要做任何改變。 同理，如果我們是新增了伺服器，那麼只需要對一台伺服器的資料遷移一部分至新加的伺服器即可。
而且這樣還有個好處，假設我們使用uid作為雜湊範圍（即上面的232 ）,那麼假設有部分uid的訪問很頻繁，而且這部分uid集中在b伺服器上，那麼就造成了b的負載遠遠高於其他伺服器。這就是熱點資料的問題。這個時候我們可以向b所在的uid空間新增伺服器，減少b的壓力。
上面說的情況是，使用真實的伺服器作為節點雜湊在232 上。 我們假設，只有4臺伺服器（如上圖），然後a上面有熱點資料，結果a掛掉了，然後做資料恢復，a的資料遷移至b，然後b需要承受a+b的資料，也承受不住，也掛了。。。。然後繼續cd都掛了。這就造成了
上面會造成雪崩效應的原因分析：
如果不存在熱點資料的時候，每台機器的承受的壓力是m/2(假設每台機器的最高負載能力為m)，原本是不會有問題的，但是，這個時候a伺服器由於有熱點資料掛了，然後a的資料遷移至b，導致b所需要承受的壓力變為m（還不考慮熱點資料訪問的壓力），所以這個失敗b是必掛的，然後c至少需要承受1.5m的壓力。。。。然後大家一起掛。。。
所以我們通過上面可以看到，之所以會大家一起掛，原因在於如果一台機器掛了，那麼它的壓力全部被分配到一台機器上，導致雪崩。
這裡引入虛擬節點，如圖：
環上的空間被劃分為8份，然後a儲存a1和a2。。。
這個時候，如果a伺服器掛了，訪問壓力會分配至c2和d1，也就是c和d伺服器，而不是像前面，全部被分配到b上。
tair的負載均衡就是採用的一致性hash演算法啦~~~
一致性hash演算法在分布式環境中應用的很廣，只要是涉及到分布式儲存的負載均衡問題，一致性hash都是很好的解決的方案。
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...