背景
一致性哈希算法在1997年由麻省理工学院的Karger等人在解决分布式Cache中提出的，设计目标是为了解决因特网中的热点(Hot spot)问题，初衷和CARP十分类似。一致性哈希修正了CARP使用的简单哈希算法带来的问题，使得DHT可以在P2P环境中真正得到应用。
算法思路
- 将整个哈希值空间组织成一个虚拟的圆环，如假设某哈希函数H的值空间为0-2^32-1（即哈希值是一个32位无符号整形），整个哈希环如下：
-
整个空间按顺时针方向组织，圆环的正上方的点代表0，0点右侧的第一个点代表1，以此类推，2、3、4、5、6……直到232-1，也就是说0点左侧的第一个点代表232-1， 0和232-1在零点中方向重合，我们把这个由232个点组成的圆环称为Hash环。
-
下一步将各个服务器使用Hash进行一个哈希，具体可以选择服务器的IP或主机名作为关键字进行哈希，这样每台机器就能确定其在哈希环上的位置
-
接下来使用如下算法定位数据访问到相应服务器：将数据key使用相同的函数Hash计算出哈希值，并确定此数据在环上的位置，从此位置沿环顺时针“行走”，第一台遇到的服务器就是其应该定位到的服务器！
例如我们有Object A、Object B、Object C、Object D四个数据对象，经过哈希计算后，在环空间上的位置如下：
-
根据一致性Hash算法，数据A会被定为到Node A上，B被定为到Node B上，C被定为到Node C上，D被定为到Node D上。
负载均衡
普通哈希
扩缩容后，命中率大大降低，带来了缓存穿透的问题。
倍增扩容
成倍扩容能有效解决扩容后带来的缓存穿透问题，但这样做会造成资源的浪费。
一致性哈希
扩缩容后，只会影响其中的一个节点的数据，命中率只降低1/N。
数据倾斜
一致性哈希算法要得到较好的效果，取决于各个实体节点在哈希环的分布情况，是否能分散。
为了解决数据很可能分布不均匀的情况，对一致性哈希算法，提出了改进，引入了虚拟节点的，可以设置一个哈希环中存在多少个虚拟节点，然后将虚拟节点映射到实体节点，从而解决数据分布吧均衡的问题。
不过，也带来了如下问题：
- 虚拟节点映射到实体节点。
- 节点过多，性能降低。
节点hash值计算方法：
真实节点：hashcode(keyA)、hashcode(keyB)
虚拟节点：hashcode(keyA#1)、hashcode(keyB#1) 、hashcode(keyA#2)、hashcode(keyB#2)
优缺点
优点：分布式扩容、缩容能有效避免缓存穿透的问题。
缺点：实现复杂，性能低下，运维管理复杂。
负载均衡算法选择
如果服务是无状态的，选择：轮循、加权轮循、随机、加权随机算法。
如果服务是有状态的，选择：一致性哈希算法。
目前来说，一致性哈希算法有点被滥用的趋势。
标签：hashcode,算法,虚拟,哈希,一致性,节点 来源： https://www.cnblogs.com/txtp/p/15923337.html
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。