從上面的例子中可以看出餘數hash的伸縮性不好，當我們進行擴容時，多數快取失效，壓力全部移到資料庫上，有可能導致資料庫宕機。
這個問題的解決方案：
1.在網站訪問量低的時候，比如凌晨，進行擴容
2.傳送模擬請求進行快取預熱，使資料在快取叢集上重新分佈

一致性hash演算法

原理：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（其分佈為[0, 2的32次方-1]）將伺服器節點放置在這個Hash環上，然後根據資料的Key值計算得到其Hash值（其分佈也為[0, 2的32次方-1]），接著在Hash環上順時針查詢距離這個Key值的Hash值最近的伺服器節點，完成Key到伺服器的對映查詢。
下圖的大環表示hash環，藍色點表示hashCode[node_ip]在環上的分佈，小點表示hashCode[client_ip]，順時針尋找第一個大於hashCode[client_ip]的節點雜湊值，即路由到該節點，由該節點處理請求。這種情況基本解決了伸縮性差的問題，我們隨時可以新增刪除節點到雜湊環上。

但是節點的擴容又導致了一個問題：負載不均。如下圖
當我們增加了node4節點時，那些本來會轉發給node3的請求會被路由到node4上，導致node3處於空閒狀態，而node4壓力較大，這時，虛擬節點出現了，此時雜湊環上的節點都是虛擬節點，多個虛擬節點對映到一個物理節點，也就是說，當我們新增一個節點時，我們不再把物理節點作為一個節點存到雜湊環上，而是用多個虛擬節點來替代一個物理節點，路由到某個虛擬節點後再對映到物理節點。而這多個虛擬節點是分散的，很大程度可以彌補負載不均的缺點。

下圖的黃色節點為新新增的虛擬節點，這3個節點實際上值對應一個物理節點，比如物理節點：10.0.0.101:1111，自定義虛擬節點（我在物理節點後加virtual node+序號）：10.0.0.101:1111vn1、10.0.0.101:1111vn2、10.0.0.101:1111vn3，這樣對映到雜湊環上分散的，不會像一個節點那樣導致擴容後負載不均，只要虛實節點的比例合理。

從網上找的，物理節點和虛擬節點的比例圖，縱座標表示物理節點數，橫座標表示虛擬節點數，比如物理節點只有10個時，需要100~200個虛擬節點

附帶虛擬節點的一致性hash的java實現
1.使用FNV_1雜湊演算法來雜湊ip（java的hashCode值太集中，不適合）
2.用treeMap來儲存節點的hash值，使用tail方法獲取比hashCode[client_ip]大的子集，取子集的第一個節點
就是我們要的節點。

3.簡單起見，一個物理節點對應4個虛擬節點

package consistence_hash_algorithm;

import java.util.SortedMap;
import java.util.TreeMap;

/**
 * writer: holien
 * Time: 2017-10-20 21:07
 * Intent: 使用虛擬節點的一致性雜湊演算法
 */
public class ConsistentHashingWithVirtualNode {
    // 4個物理節點
    private static String[] servers = {"168.10.10.101:6386", "168.10.10.101:6387",
            "168.10.10.101:6388", "168.10.10.101:6389"};
    // 使用SortedMap可以排序，再使用tailMap獲取key比hashCode[client_ip]大的子map
    private static SortedMap virtualNodes;
    private static final int VIRTUAL_NODE_NUM = 4;

    // 模擬線上的4臺伺服器對應的16個虛擬節點
    static {
        virtualNodes = new TreeMap<Integer, String>();
        for (int i = 0, len = servers.length ; i < len; i++) {
            int hashCode;
            String vitualNode;
            for (int j = 0; j < VIRTUAL_NODE_NUM; j++) {
                // 計算節點的雜湊值作為key，節點ip("168.10.10.101:6386vni")作為value
                vitualNode = servers[i] + "vn" + j;
                // 計算虛擬節點的hashCode
                hashCode = getHashCode(vitualNode);
                virtualNodes.putIfAbsent(hashCode, vitualNode);
                System.out.println("添加了虛擬節點：" + vitualNode + ", hashCode：" + hashCode);
            }
        }
    }

    // 使用32位FNV_1計算節點的hashCode
    private static int getHashCode(String node) {
        final int p = 16777619;
        int hash = (int)2166136261L;
        for (int i = 0; i < node.length(); i++)
            hash = (hash ^ node.charAt(i)) * p;
        hash += hash << 13;
        hash ^= hash >> 7;
        hash += hash << 3;
        hash ^= hash >> 17;
        hash += hash << 5;
        // 如果算出來的值為負數則取其絕對值
        if (hash < 0)
            hash = Math.abs(hash);
        return hash;
    }

    // 通過client_ip的雜湊值路由一個虛擬節點，再對映到物理節點
    public static String routeServer(String node) {
        int hashCode = getHashCode(node);
        SortedMap subMap = virtualNodes.tailMap(hashCode);
        int firstKey = (Integer)subMap.firstKey();
        String virtualNode = (String)subMap.get(firstKey);
        // 模擬尋找物理節點，把vni去掉
        String actualNode = virtualNode.substring(0, virtualNode.length() - 3);
        System.out.println(node + "的hashCode為" + hashCode + "，被路由到虛擬節點："
                + virtualNode + "，對映到物理節點：" + actualNode);
        return actualNode;
    }

    public static void main(String[] args) {
        String[] nodes = {"10.112.11.252:1111", "221.226.0.1:2222", "10.211.0.1:3333"};
        for (int i = 0, len = nodes.length; i < len; i++) {
            routeServer(nodes[i]);
        }
    }

}

執行結果：