数据库sharding和一致性哈希算法

数据库 sharding

分布式数据库的核心算法就是sharding，把一个数据库通过sharding算法映射到不同的机器上处理。
sharding 分为两种方式：

纵向切分：就是把一个表按不同列进行切分。比如我们有一个 User 表，那么可以按照不同的列拆分成 User Profile，User BaseInfo 等表，存在不同的机器上。说的通俗点就是拆表。

横向切分：就是按照行进行切分，比如我们有四台机器，那么每一行数据都通过一个 sharding 算法 映射到其中的一台机器上。

一般来讲，如果表中有很多列，压力分布在多个列中，可以通过 纵向切分的方式进行 sharding。但是如果表中本来就只有一列数据承载了巨大压力，或者因为某些原因无法拆表，那么就无法通过纵向切分，只能进行横向切分。

纵向切分比较简单，但是可能会影响业务代码（data entity的实现要变），因为实际存储的表变了，横向切分会相对复杂一些，不过对业务代码是透明的。两种方式可以结合使用。

下面重点讲一下横向切分，也就是一致性哈希算法。

一致性哈希算法

我们假设现在有2台机器，我们需要把User表横向切分映射到这2台机器上。

一个简单的想法就是 userid % 2，余数可能是 0, 1 分别是2台机器的编号。

但是这样做存在一个巨大的问题，就是如果加一台机器怎么办？我们的算法肯定要有扩展性，能自由加减机器。假设我们现在加了一台机器，那么现在有3台，于是我们的sharding变成了 use