总结

1. 为什么需要一致性哈希？传统的取模操作不行么？

一致性哈希算法(Consistent Hashing Algorithm)是一种分布式算法，常用于负载均衡。Memcached client也选择这种算法，解决将key-value均匀分配到众多cahce server上的问题。它可以取代传统的取模操作，解决了取模操作无法应对增删cached Server的问题 (增删server会导致同一个key,在get操作时分配不到数据真正存储的server，命中率会急剧下降)。

2.一致性哈希算法介绍

• 将整个哈希值空间组织成一个虚拟的圆环，整个空间按顺时针方向组织
• 先将各个服务器使用Hash进行一个哈希（可以选择服务器的ip或主机名作为关键字进行哈希），这样每台机器就能确定其在哈希环上的位置
• 将数据key使用相同的函数Hash计算出哈希值，并确定此数据在环上的位置，从此位置沿环顺时针“行走”，第一台遇到的服务器就是其应该定位到的服务器。

3.一致性哈希优点

• （1）扩展性：当增加节点时，只会影响顺时针的真实节点（此部分数据比较难迁移），而不是影响全部的节点。
• （2）容错性：当节点宕机或删除节点时，只会影响逆时针的真实节点，而不是影响全部的节点。
• （3）平衡性：当哈希算法的节点过少时，会可能造成某些服务器的数据存储较多，而另外一些存储较少，造成数据倾斜，当节点足够多时，这种现象得以缓解。因此虚拟节点个数较大的时候，数据的平衡性得以保证。

4.一致性哈希缺点

• 因为当增删节点时，需要重新计算受影响部分的节点中的key全部找出来，才能迁移，这个很麻烦！！！
• Redis在此种用法下，也只能当缓存，不能当存储数据库！

一、一致性哈希介绍

一致性哈希算法（Consistent Hashing）简单来说，是将整个哈希值空间组织成一个虚拟的圆环，如假设某哈希函数Hash的值空间为0-2^³²-1（即哈希值是一个32位无符号整形），整个空间按顺时针方向组织。0和2³²-1在零点中方向重合。哈希空间环如下图所示：

下一步将各个服务器使用Hash进行一个哈希，具体可以选择服务器的ip或主机名作为关键字进行哈希，这样每台机器就能确定其在哈希环上的位置，这里假设将上文中四台服务器使用ip地址哈希后在环空间的位置如下：

接下来使用如下算法定位数据访问到相应服务器：将数据key使用相同的函数Hash计算出哈希值，并确定此数据在环上的位置，从此位置沿环顺时针“行走”，第一台遇到的服务器就是其应该定位到的服务器。

例如我们有Object A、Object B、Object C、Object D四个数据对象，经过哈希计算后，在环空间上的位置如下：

根据一致性哈希算法，数据A会被定为到Node A上（也就是说数据A会定位储存在NodeA节点上），B被定为到Node B上，C被定为到Node C上，D被定为到Node D上。

二、一致性哈希的优点 

2.1 容错性 - 某节点服务器宕机怎么办

现假设Node C不幸宕机，可以看到此时对象A、B、D不会受到影响，只有C对象被重定位到Node D。一般的，在一致性哈希算法中，如果一台服务器不可用，则受影响的数据仅仅是此服务器到其环空间中前一台服务器（即沿着逆时针方向行走遇到的第一台服务器）之间数据，其它不会受到影响。

2.2 可扩展性 - 增加节点服务器怎么办

如果在系统中增加一台服务器Node X，如下图所示：

此时对象Object A、B、D不受影响，只有对象C需要重定位到新的Node X 。一般的，在一致性哈希算法中，如果增加一台服务器，则受影响的数据仅仅是新服务器到其环空间中前一台服务器（即沿着逆时针方向行走遇到的第一台服务器）之间数据，其它数据也不会受到影响。

2.3 平衡性 - 虚拟节点解决数据倾斜

数据倾斜问题

一致性哈希算法在服务节点太少时，容易因为节点分部不均匀而造成数据倾斜问题。例如系统中只有两台服务器，其环分布如下：此时必然造成大量数据集中到Node B上，而只有极少量会定位到Node A上。

虚拟节点，解决数据倾斜

为了解决这种数据倾斜问题，一致性哈希算法引入了虚拟节点机制，即对每一个服务节点计算多个哈希，每个计算结果位置都放置一个此服务节点，称为虚拟节点。具体做法可以在服务器ip或主机名的后面增加编号来实现。例如上面的情况，可以为每台服务器计算三个虚拟节点，于是可以分别计算 “Node A#1”、“Node A#2”、“Node A#3”、“Node B#1”、“Node B#2”、“Node B#3”的哈希值，于是形成六个虚拟节点：

同时数据定位算法不变，只是多了一步虚拟节点到实际节点的映射，例如定位到“Node A#1”、“Node A#2”、“Node A#3”三个虚拟节点的数据均定位到Node A上。这样就解决了服务节点少时数据倾斜的问题。在实际应用中，通常将虚拟节点数设置为32甚至更大，因此即使很少的服务节点也能做到相对均匀的数据分布。

三、一致性哈希的缺点

因为当增删节点时，需要重新计算受影响部分的节点中的key全部找出来，才能迁移，这个很麻烦！！！
Redis在此种用法下，也只能当缓存，不能当存储数据库！

参考文献

一致性哈希算法原理 ：https://www.cnblogs.com/lpfuture/p/5796398.html