在分布式式系統中，為了分散訪問壓力，每個模塊需要由多個節點組成集群，共同來提供服務，客戶端根據一定的負載均衡策略來訪問集群的各個節點，由此引入了一些問題，如在訪問壓力增大的情況需要要增加節點，或是集群其中的一個節點突然掛掉，如何將原有節點上的請求壓力重新負載到新的節點集群上。

　　我們常用的負載均衡策略有隨機（加權）、輪詢，最小連接數、最短響應時間，哈希，以及我們今天要說的一致性hash。

一、一致性hash與其他負載均衡策略的對比

　　首先我們來分析下一致性hash相對前面幾種負載均衡策略的優勢，

　　輪詢：各個服務器的性能可能不一致，該策略將節點視為等同，與實際中復雜的環境不符。加權輪詢為輪詢的一個改進策略，每個節點會有權重屬性，但是因為權重的設置難以做到隨實際情況變化，仍有一定的不足

　　隨機：與輪詢類似，根據不同的隨機算法隨機訪問各個節點，可通過加權做一定擴展。

　　最小響應時間：通過記錄每次請求所需的時間，得出平均的響應時間，然後根據響應時間選擇最小的響應時間。該策略能較好地反應服務器的狀態，但是由於是平均響應時間的關系，時間上有些滯後，無法滿足快速響應的要求。因此在此基礎之上，會有一些改進版本的策略，如只計算最近若幹次的平均時間的策略等

　　最小連接數：把請求分配給活動連接數最小的後端服務器。它通過活動來估計服務器的負載。比較智能，但需要維護後端服務器的連接列表。

　　最小並發數：客戶端的每一次請求服務在服務器停留的時間可能會有較大的差異,隨著工作時間加長,如果采用簡單的輪循或隨機均衡算法,每一臺服務器上的連接進程可能會產生較大的不同,並沒有達到真正的負載均衡?最小並發數的策略則是記錄了當前時刻，每個備選節點正在處理的事務數，然後選擇並發數最小的節點。該策略能夠快速地反應服務器的當前狀況，較為合理地將負責分配均勻，適用於對當前系統負載較為敏感的場景。

　　哈希：上面幾種負載均衡方式在對於後端來說，有個重要的問題是若是一系列業務的多個請求，會被負載到幾個節點上，不利於統一處理，而相同業務都負載到同一節點還有利於提高緩存命中率，便於維護長連接等，常見的hash有hash取模根據業務的需要，將對應屬性取得hash值，然後除以節點個數，取余數分布到不同對應編號的節點上。但是有個缺點是在增減節點的時候，需將所有的請求重新計算負載節點，較為耗費資源。

二、一致性hash的背景

　　一致性哈希算法(Consistent Hashing)在1997年由麻省理工學院提出的一種分布式哈希（DHT）實現算法，設計目標是為了解決因特網中的熱點(Hot spot)問題。

三、一致性hash的算法實現概要

　　先構造一個長度為2³²的整數環（這個環被稱為一致性Hash環），根據節點名稱的Hash值（其分布為[0, 2³²-1]）將服務器節點放置在這個Hash環上，然後根據數據的Key值計算得到其Hash值（其分布也為[0, 2³²-1]），接著在Hash環上順時針查找距離這個Key值的Hash值最近的服務器節點，完成Key到服務器的映射查找。

分布式系統中的一致性hash初探