[云计算]一致性哈希算法
先引入简单哈希算法
假设有三台缓存服务器，分别为S0,S1,S2。如何使得缓存均匀的分布在三台服务器上？
简单来说就是将缓存的键进行哈希计算，对获得的值进行取模，取模得到的余数来决定数据缓存到哪台服务器上。
举例：
hash（键/key）% 机器数 = 余数
假设hash（键/key）= 6，机器数为3
则 6 % 3 = 0，因此，数据将缓存在服务器S0上。
因为，同一个键（Key）进行哈希计算得到的值（Value）是不变的。
所以，当需要读该图片的时候，对图片的键再次进行哈希就可以在相应的服务器上读取该图片
但是，简单哈希算法有个缺陷，就是当服务器的数量发生增加或者减少的时候，取模得到的数值就会不一样。
举例：
hash（键/key）% 机器数 = 余数
假设hash（键/key）= 6，机器数增加到4台
则 6 % 4 = 2，因此，将从S2上读取数据。
但是，数据实际上存放的是S0而不是S2，所以就会发生缓存失效的情况。
因此，为了解决这个问题，就发明了一致性哈希算法（DHT）。
一致性哈希是什么？
一致性哈希算法在1997年由麻省理工学院提出，是一种特殊的哈希算法，目的是解决分布式缓存的问题，解决了简单哈希算法在分布式哈希表中存在的动态伸缩等问题。
一致性hash算法提出了在动态变化的Cache环境中，判定哈希算法好坏的四个定义：
平衡性、单调性、分散性、负载
引入环形Hash空间：按照常用的Hash算法来将对应的Key哈希到一个具有232次方个桶的空间中，即范围为（0，232-1）的数字空间中。可以把这些数字头尾相连，想象成一个闭合的环形，如图。
把数据通过一定的hash算法处理后映射到环上
Hash(object1) = key1；
Hash(object2) = key2；
Hash(object3) = key3；
Hash(object4) = key4；
把机器节点通过hash算法映射到环上
Hash(NODE1) = KEY1;
Hash(NODE2) = KEY2;
Hash(NODE3) = KEY3;
顺时针转动，第一个遇到的服务器，负责缓存数据。
此时，当节点发生增加或者减少的时候，都会使得迁移的数据量最小化，避免了大量数据的迁移，减轻了服务器的压力。
同时，可以引入虚拟节点，使得数据更加平均的分布在每一个节点上，实现负载均衡的效果。
