哈希算法与一致性哈希算法

哈希算法：取哈希后模节点的数目

假设有一个由A、B、C三个节点组成的KV服务，每个节点存放不同的KV数据。通过哈希算法，每个key都可以寻址到对应的服务器，比如，查询key是key-01，计算公式为hash(key-01)%3，经过计算寻址到了编号为1的服务器节点A

但如果服务器数量发生变化，基于新的服务器数量来执行哈希算法的时候，就会出现路由寻址失败的情况，Proxy无法找到之前寻址到的那个服务器节点

假如3个节点不能满足业务需求了，这时增加了一个节点，节点的数量从3变化为4，那么之前的hash(key-01)%3=1就变成了hash(key-01)%4=X，因为取模运算发生了变化，所以这个X大概率不是1（假设是2），这时再查询就会找不到数据了，因为key-01对应的数据存储在节点A上

一致性哈希算法：取哈希后模2^32

哈希算法是对节点的数量进行取模运算，而一致性哈希是对2^32取模。

一致性哈希将整个哈希值空间组成一个虚拟的圆环，也就是哈希环：

在一致性哈希中，通过执行哈希算法，将节点映射到哈希环上。假设哈希算法函数为c-hash()，比如选择节点的主机名作为参数执行c-hash()，每个节点就能确定其在哈希环上的位置：

当需要对指定key的值进行读写的时候，通过下面2步进行寻址：

将key作为参数执行c-hash()计算哈希值，并确定此key在环上的位置
从这个位置沿着哈希环顺时针行走，遇到的第一个节点就是key对应的节点
假设key-01、key-02、key-03三个key，经过哈希算法c-hash()计算后，在哈希环上的位置如下图：

1）假设，现在节点C故障了：

可以看到，key-01和key-02不会受到影响，只有key-03的寻址被重定位到A。在一致性哈希算法中，如果某个节点宕机不可用了，那么受影响的数据仅仅是会寻址到此节点和前一节点之间的数据。比如当节点C宕机了，受影响的数据是会寻址到节点B和节点C之间的数据（例如key-03），寻址到其他哈希环空间的数据不会受到影响

2）如果需要扩容一个节点：

可以看到，key-01、key-02不受影响，只有key-03的寻址被重定位到新节点D。在一致性哈希算法中，如果增加一个节点，受影响的数据仅仅是会寻址到新节点和前一节点之间的数据

使用了一致哈希算法后，扩容或缩容的时候，都只需要重定位环空间中的一小部分数据。也就是说，一致哈希算法具有较好的容错性和可扩展性

当节点数越多的时候，使用哈希算法时，需要迁移的数据就越多，使用一致哈希时，需要迁移的数据就越少

3）、节点太少分布不均匀

在一致性哈希算法中，如果节点太少，容易因为节点分布不均匀造成数据访问的冷热不均，也就是说大多数访问请求都会集中少量几个节点上：

上图中，虽然有3个节点，但访问请求主要集中在节点A上

通过引入虚拟节点解决分布不均匀的问题。对每一个服务器节点计算多个哈希值，每个计算结果位置上都放置一个虚拟节点，并将虚拟节点映射到实际节点。比如，可以在主机名后面增加编号，分别计算Node-A-01、Node-A-02、Node-B-01、Node-B-02、Node-C-01、Node-C-02的哈希值，于是形成6个虚拟节点