负载均衡一致性hash算法一点总结

参考：这篇写的非常通俗易懂https://blog.csdn.net/cywosp/article/details/23397179#commentsedit

大意：
利用一个环形的hash空间selectors（散列范围0~(2^32)-1，实际上底层是一个ConcurrentMap），按照hash算法将一个key散列到指定的位置。对象（o1,o2,o3）的散列与机器（Node1,Node2,Node3）的散列算法是一样的。

形成过程：
1）考虑负载均衡算法的一致性和分散性：o1,o2,o3顺时针地去找离自己最近距离的机器位置。这样的设
计就保证了机器的动态上下线后，仅有少量的数据需要迁移
2）考虑负载均衡算法的平衡性：1）的方式会造成散列的不均衡，原本存储在挂掉的机子上的数据都迁
移到了后一台机子上，造成了不平衡的结果。改进的做法是加入许多个“虚拟节点”，看做是机器的复
制点，虚拟节点在selectors上按照hash值排列，这样就能相对平衡的平摊

一点总结：
1）虚拟节点的总数是一定的（默认160），虚拟节点的散列位置是根据  Hash（机器ip+数字后缀）的方
式，假设Node1的IP为192.168.1.100，根据设置的虚拟节点复制个数，比如2，那就分别映射到Hash
（192.168.1.100#1）与Hash（192.168.1.100#2）
2）一致性hash算法能够减少数据的迁移量,能够使相同参数的请求总是被发到同一机器上

联想：

1）联想到Redis也可以使用一致性hash算法来搭建集群。好处是，将数据平摊到各个机器了，某台机器宕机之后，所有的关联“虚拟节点”都会消失，新添加的数据会顺时针存储到下一个最近距离的机器中去，老的数据会被删除，重新查询该数据要到数据库中去查，这个去数据库中查的操作会比原先的hash算法少很多！！；

为1）举个例子，复制自haozi_ncepu有5台服务器，编号分别是0(A)，1(B)，2(C)，3(D)，4(E)  ，正常情况下,假设用户数据hash值为12，那么对应的数据应该缓存在12%5=2号服务器上，假设编号为3的服务器此时挂掉，那么将其移除后就得到一个新的0(A)，1(B)，2(C)，3(E)(注：这里的编号3其实就是原来的4号服务器)服务器列表，此时用户来取数据，同样hash值为12,rehash后的得到的机器编号12%4=0号服务器，可见，此时用户到0号服务器去找数据明显就找不到，出现了cache不命中现象，如果不命中此时应用会从后台数据库重新读取数据再cache到0号服务器上，如果大量用户出现这种情况，那么后果不堪设想。同样，增加一台缓存服务器，也会导致同样的后果。

2）数据库的分库分表也可以用一致性hash去做