一致性哈希算法

Cassandra，memcached，redis等分布式系统中，使用一致性哈希算法来保证数据的一致性。

在redis中，为了在server node增加或减少时，尽量均匀的将缓存分布到多个server node上，同时尽可能少的移动数据，提高缓存命中率，可以使用一致性哈希算法。

 

数据定位过程：

将整个Hash值空间视作一个虚拟圆环，整个空间按顺时针方向组织。

使用hash函数对server node进行hash，确定各node在圆环上的位置。

使用同样的hash函数对data进行hash，确定data在圆环上的位置。从data所在位置沿环顺时针“行走”，遇到的第一个server node就是其应该定位到的server node，即为存储该data的server。

 

容错性和可扩展性：

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。

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。

 

解决数据倾斜问题：

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。

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。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。

Refs：

https://www.cnblogs.com/lpfuture/p/5796398.html