轉載自： http://hi.baidu.com/fdwm_lx/blog/item/fe46344e11517705b3de054c.html

在大型web應用中，緩存可算是當今的一個標準開發配置了。在大 規模的緩存應用中，應運而生了分布式緩存系統。分布式緩存系統的基本原理，大家也有所耳聞。key-value如何均勻的分散到集群中？說到此，最常規的 方式莫過于hash取模的方式。比如集群中可用機器適量為N，那么key值為K的的數據請求很簡單的應該路由到hash(K) mod N對應的機器。的確，這種結構是簡單的，也是實用的。但是在一些高速發展的web系統中，這樣的解決方案仍有些缺陷。隨著系統訪問壓力的增長，緩存系統不 得不通過增加機器節點的方式提高集群的相應速度和數據承載量。增加機器意味著按照hash取模的方式，在增加機器節點的這一時刻，大量的緩存命不中，緩存 數據需要重新建立，甚至是進行整體的緩存數據遷移，瞬間會給DB帶來極高的系統負載，設置導致DB服務器宕機。 那么就沒有辦法解決hash取模的方式帶來的詬病嗎？看下文。

一致性哈希（Consistent Hashing）：

????? 選擇具體的機器節點不在只依賴需要緩存數據的key的hash本身了，而是機器節點本身也進行了hash運算。

（1） hash機器節點

首先求出 機器節點的hash值（怎么算機器節點的hash？ip可以作為hash的參數吧。。當然還有其他的方法了），然后將其分布到0～2^32的一個圓環上 （順時針分布）。如下圖所示：

集群中有 機器：A , B, C, D, E五臺機器，通過一定的hash算法我們將其分布到如上圖所示的環上。

（2）訪問方式

如果有一 個寫入緩存的請求，其中Key值為K，計算器hash值Hash(K)， Hash(K) 對應于圖 – 1環中的某一個點，如果該點對應沒有映射到具體的某一個機器節點，那么順時針查找，直到第一次找到有映射機器的節點，該節點就是確定的目標節點，如果超過 了2^32仍然找不到節點，則命中第一個機器節點。比如 Hash(K) 的值介于A~B之間，那么命中的機器節點應該是B節點（如上圖 ）。

（3）增加節點的處理

如上圖 – 1，在原有集群的基礎上欲增加一臺機器F，增加過程如下：

計算機器 節點的Hash值，將機器映射到環中的一個節點，如下圖：

增加機器 節點F之后，訪問策略不改變，依然按照（2）中的方式訪問，此時緩存命不中的情況依然不可避免，不能命中的數據是hash(K)在增加節點以前落在C～F 之間的數據。盡管依然存在節點增加帶來的命中問題，但是比較傳統的 hash取模的方式，一致性hash已經將不命中的數據降到了最低。

?

Consistent Hashing最大限度地抑制了hash鍵的重新分布。另外要取得比較好的負載均衡的效果，往往在服務器數量比較少的時候需要增加虛擬節點來保證服務器能 均勻的分布在圓環上。因為使用一般的hash方法，服務器的映射地點的分布非常不均勻。使用虛擬節點的思想，為每個物理節點（服務器）在圓上分配 100～200個點。這樣就能抑制分布不均勻，最大限度地減小服務器增減時的緩存重新分布。用戶數據映射在虛擬節點上，就表示用戶數據真正存儲位置是在該 虛擬節點代表的實際物理服務器上。
下面有一個圖描述了需要為每臺物理服務器增加的虛擬節點。

?

x軸表示的是需要為每臺物理服務器擴展的虛擬節點倍數(scale)，y軸是實際物理服務器數，可以看出，當物理服務器的數量很小時，需要更大的虛 擬節點，反之則需要更少的節點，從圖上可以看出，在物理服務器有10臺時，差不多需要為每臺服務器增加100~200個虛擬節點才能達到真正的負載均衡。

-----------------

一致性hash，假設本來應該落在B點的數據，在A，B之間加一臺機器，平均有一半的數據會無效。并且A到加的機器點上的數據在B上已經沒有用，怎么去清 理。隨著機器的越來越多，不命中的概率也會越來越多。
雖然說最常用的hash取模不可避免的需要做數據遷移，但是可以選擇時間點，比如半夜兩點。這個時候訪問肯定會很少。?

--

如果是C、A之間加入節點B，那原來落在CB之間的數據不再找A，而是找B了，這部分數據在A確實是失效。但你說的這個是純理論。實際中加入B節點之 后，CB間的數據（原來命中A上）會逐漸保存到B上（而不是不命中的時候什么都不做），同時A上的數據隨著新到數據增加，原來那部分失效數據通過LRU算 法將逐漸淘汰掉。所以我覺隨著機器增加，不命中的概率不會大幅波動。

事實上，一致性hash就是用來解決存儲節點增加導致的命中降低問題的。
實際例子：日本mixi也是逐漸增加到200臺以上的memcached服務器集群，用的就是這種方法，并沒有你說的問題。

一致性哈希(Consistent Hashing)