【分布式基础】一致性哈希

分布式过程中我们将服务分散到若干的节点上，以此通过集体的力量提升服务的目的。然而，对于一个客户端来说，该由哪个节点服务呢？或者说对某个节点来说他分配到哪些任务呢？

1. 强哈希

考虑到单服务器不能承载，因此使用了分布式架构，最初的算法为 hash() mod n, hash()通常取用户ID，n为节点数。此方法容易实现且能够满足运营要求。缺点是当单点发生故障时，系统无法自动恢复。同样不也不能进行动态增加节点。

2. 弱哈希

为了解决单点故障，使用 hash() mod (n/m), 这样任意一个用户都有m个服务器备选，可由client随机选取。由于不同服务器之间的用户需要彼此交互，所以所有的服务器需要确切的知道用户所在的位置。因此用户位置被保存到memcached中。当一台发生故障，client可以自动切换到对应backup，由于切换前另外1台没有用户的session，因此需要client自行重新登录。

他比强哈希的好处是：解决了单点问题。

但存在以下问题：负载不均衡，尤其是单台发生故障后剩下一台会压力过大；不能动态增删节点；节点发生故障时需要client重新登录

3. 一致性哈希

一致性哈希也只是提出四个概念和原则，并没有提及具体实现：
1 、 balance ：哈希结果尽可能的平均分散到各个节点上，使得每个节点都能得到充分利用。
2 、 Monotonicity ：上面也说了，如果是用签名取模算法，节点变更会使得整个网络的映射关系更改。如果是 carp ，会使得 1/n 的映射关系更改。一致性哈希的目标，是节点变更，不会改变网络的映射关系。
3 、 spread ：同一份数据，存储到不同的节点上，换言之就是系统冗余。一致性哈希致力于降低系统冗度。
4 、 load ：负载分散，和 balance 其实是差不多的意思，不过这里更多是指数据存储的均衡， balance 是指访的均衡。

一致性哈希算法在1997年由麻省理工学院提出，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。

我们把每台server分成v个虚拟节点，再把所有虚拟节点(n*v)随机分配到一致性哈希的圆环上，这样所有的用户从自己圆环上的位置顺时针往下取到第一个vnode就是自己所属节点。当此节点存在故障时，再顺时针取下一个作为替代节点。

引用：

http://baike.baidu.com/view/1588037.htm