redis基础10-一致性哈希算法和哈希槽算法

一致性哈希算法产生的背景：

Redis集群，为了让缓存key均匀的散列到每个服务器，采用哈希算法，让缓存的key能够均匀的分布到各个服务器。

hash(key)%N  key为缓存主键  N表示redis服务器个数

那么可能存在哪些问题？
当Redis服务器扩容后，哈希算法对应的N的数量调整，那么缓存的key要根据重新计算。

• 重新计算过缓存位置，要进行迁移。当数据量很大的时候就会消耗很多资源对key进行迁移
• 迁移数据较多时可能会造成短时间内缓存失效，造成缓存雪崩的可能。
  为了避免上面的问题，一致性哈希算法随之产生。

一致性哈希算法的实现原理

致性哈希算法相较于哈希算法具备的原则

平衡性：尽可能分散到所有节点
单调性：新增或删除节点不影响正常运行
分散性：指数据应该分散地存放在分布式集群中的各个节点（节点自己可以有备份），不必每个节点都存储所有的数据
负载：任一缓冲节点的负载节点应该全量存储当前缓存主节点的所有数据

节点增减过程哈希一致性算法的逻辑

数据倾斜问题

什么是数据倾斜？

哈希算法本身具有离散性，当数据过多的时候可能会出现节点数据散列不均匀的情况，这种散列不均匀的情况就是数据倾斜。

如何避免数据倾斜呢？

每个真实节点增加虚拟节点，虚拟节点散列分布哈希环中，虚拟节点越多，可以获取更多的散列数据，也能然数据更多的散列到各个节点上面
散列性越高，则分布越均匀