背景

一致性雜湊演算法在1997年由麻省理工學院的Karger等人在解決分散式Cache中提出的，設計目標是為了解決因特網中的熱點(Hot spot)問題，初衷和CARP十分類似。一致性雜湊修正了CARP使用的簡單雜湊演算法帶來的問題，使得DHT可以在P2P環境中真正得到應用。

演算法思路

• 將整個雜湊值空間組織成一個虛擬的圓環，如假設某雜湊函式H的值空間為0-2^32-1（即雜湊值是一個32位無符號整形），整個雜湊環如下：

• 整個空間按順時針方向組織，圓環的正上方的點代表0，0點右側的第一個點代表1，以此類推，2、3、4、5、6……直到2^{32-1，也就是說0點左側的第一個點代表2}32-1， 0和2^{32-1在零點中方向重合，我們把這個由2}

  32個點組成的圓環稱為Hash環。

• 下一步將各個伺服器使用Hash進行一個雜湊，具體可以選擇伺服器的IP或主機名作為關鍵字進行雜湊，這樣每臺機器就能確定其在雜湊環上的位置

• 接下來使用如下演算法定位資料訪問到相應伺服器：將資料key使用相同的函式Hash計算出雜湊值，並確定此資料在環上的位置，從此位置沿環順時針“行走”，第一臺遇到的伺服器就是其應該定位到的伺服器！

  例如我們有Object A、Object B、Object C、Object D四個資料物件，經過雜湊計算後，在環空間上的位置如下：

• 根據一致性Hash演算法，資料A會被定為到Node A上，B被定為到Node B上，C被定為到Node C上，D被定為到Node D上。

負載均衡

普通雜湊

擴縮容後，命中率大大降低，帶來了快取穿透的問題。

倍增擴容

成倍擴容能有效解決擴容後帶來的快取穿透問題，但這樣做會造成資源的浪費。

一致性雜湊

擴縮容後，只會影響其中的一個節點的資料，命中率只降低1/N。

資料傾斜

一致性雜湊演算法要得到較好的效果，取決於各個實體節點在雜湊環的分佈情況，是否能分散。

為了解決資料很可能分佈不均勻的情況，對一致性雜湊演算法，提出了改進，引入了虛擬節點的，可以設定一個雜湊環中存在多少個虛擬節點，然後將虛擬節點對映到實體節點，從而解決資料分佈吧均衡的問題。

不過，也帶來了如下問題：

1. 虛擬節點對映到實體節點。
2. 節點過多，效能降低。

節點hash值計算方法：

真實節點：hashcode(keyA)、hashcode(keyB)

虛擬節點：hashcode(keyA#1)、hashcode(keyB#1) 、hashcode(keyA#2)、hashcode(keyB#2)

優缺點

優點：分散式擴容、縮容能有效避免快取穿透的問題。

缺點：實現複雜，效能低下，運維管理複雜。

負載均衡演算法選擇

如果服務是無狀態的，選擇：輪循、加權輪循、隨機、加權隨機演算法。

如果服務是有狀態的，選擇：一致性雜湊演算法。

目前來說，一致性雜湊演算法有點被濫用的趨勢。