算法--hash取模
一、简介
hash算法常用于分布式缓存集群系统。一般3种：普通hash，一致性hash，hash槽。
场景：用户注册系统，用户数量会不断的增大，需要几个服务器共同存储。
二、普通hash算法
1、创建4个服务器【canister】，然后对注册的用户id hash取模。
2、使用这种hash取模数算法有一个问题是，当4个canister都满了，如果想增加多一台canister,那么之前的关系就会被全部打乱，就代表着，存储过的数据通过hash索引就找不着位置了。只能全部迁移数据，重新建立关系。
需要解决Hash分片的缺点，既要保证数据均匀分布，又要保证扩展性。
使用一致性Hash：将存储节点和数据都映射到一个首尾相连的哈希环上。存储节点一般可以根据IP地址进行Hash计算，数据的存储位置是从数据映射在环上的位置开始，依照顺时针方向所找到的第一个存储节点。
三、一致性Hash算法
1、Hash 环可以解决动态扩容的问题，首先，在初始化的时候创建一个用户Canister,把Canister id 映射到Hash环上（Canister id Hash对2的32次方取余），然后把当前用户的ID的也映射到这个Hsah 环上（ID Hash 后对2的32次方取余）。当前只有一个Canister 1,那么所有Hash 环上映射的用户顺时针都找到该Canister里面。
2、当Canister 1储存达到额定的容量的时候，动态创建一个Canister 2,也把Canister 2的ID hash后也映射到Hash环上，这时，Hash环上顺时针存储规则就要重新定义。
3、这时要对所有存储的ID 进行计算，每个ID在计算Hash后会顺时针找到临接的存储节点存放。
这里会引起数据迁移，当只有一个Canister的时候，ID Hash 后顺时针所有临接点都是Canister 1,现在插入了Canister 2，那么原本存储在Canister 1里面的data index 1和data index 2就要迁移到Canister 2里面,这样在查询ID才能找到对应的Canister。
在查询数据时，也是按照PID hash后顺时针去找到临接的Caniste
4、当Canister 2达到额定的容量时，再动态创建Canister 3,映射到Hash环上，重复上面的步骤对数据进行迁移。这样，每次在新增一个Canister之后，只会引起小量的数据迁移。如果下图，当增加了Canister后，把原本属于Canister 2的data index 1迁移到新新创建的Canister 3上，就能保证Hash环的插入和查找不会错乱。
5、hash ring会出现一个问题是，hash倾斜，就是某个canister获取的顺时针很大，某个却佷小，就会出现，有的canister 存了很多数据，有的却没有存到多少数据，为了避免这个问题，就要建立很多个虚拟节点，来均分hash环的空间，虚拟节点所对应的数据再映射到真实节点上，以达到均分的效果。
四、Hash slot
1、hash 槽的原理跟hash ring差不多，只是hash 槽在初始状态下就确定了映射，Hash 槽计算方式：crc16（ID）% 16383 ,然后对应hash槽上的映射关系存储数据，当取模的值小于3000的时候，ID存储在canister 1上，当值大于30001并小于60000的时候，存储在canister 2上，以类推。
2、新增canister 时，重新调整映射表，然后把数据迁移到对应的canister 上就可以了，hash slot 理论上出现hash倾斜的概率要小于hash ring。
五、范围分片
Range分片：除了Hash分片，还有范围分片。
要达到这种灵活性，更好的方式是基于分片元数据，请求分片源数据获取的信息也不仅仅只有数据分片信息，还包括数据量、读写QPS和分片副本的健康状态等。
六、 如何保证分片元数据服务的可用性和数据一致性
1、最直接的方式是专门给元数据做一个服务集群，并通过一致性算法复制数据
给分片元数据做集群服务，并通过ETCD存储数据分片信息；
每个数据存储实例节点定时向元数据服务集群同步心跳和分片信息；
当调用端的请求过来时，元数据服务节点只需要做好高可用和缓存即可。
