为了实现水平扩展，在服务器之间高效、均匀地分配请求/数据非常重要。一致哈希是实现这一目标的常用技术。但首先，让我们深入研究一下这个问题。
如果你有n个缓存服务器，平衡负载的一个常用方法是使用以下哈希方法：
serverIndex = hash(key) % N，其中N是服务器池的大小
让我们用一个例子来说明它是如何工作的。如表5-1所示，我们有4个服务器和8个字符串键及其散列值。
为了获取存储键的服务器，我们进行求余操作 f(key) % 4。例如，hash(key0) % 4 = 1意味着客户端必须联系服务器1来获取缓存的数据。图5-1显示了基于表5-1的键的分布情况
当服务器池的大小是固定的，而且数据分布均匀时，这种方法效果很好。然而，当增加新的服务器，或删除现有的服务器时，问题就会出现。
例如，如果服务器1下线了，服务器池的大小就变成了3。使用相同的哈希函数，我们得到的键的哈希值是相同的。但是应用求余操作，我们会得到不同的服务器索引，因为服务器的数量减少了1。 通过应用hash % 3，我们得到的结果如表5-2所示：
图5-2显示了基于表5-2的新的键分布。
如图5-2所示，大多数键都被重新分配，而不仅仅是最初存储在脱机服务器（服务器1）中的键。这意味着，当服务器1离线时，大多数缓存客户会连接到错误的服务器来获取数据，这就造成了高速缓存失误的风暴。一致性散列是一种有效的技术来缓解这个问题。
引用自维基百科：“一致性哈希是一种特殊的哈希，当重新调整哈希表的大小并使用一致性哈希时，平均只需要重新映射 k/n 个键，其中 k 是键的数量，并且 n 是槽的数量。相比之下，在大多数传统的哈希表中，数组槽数量的变化导致几乎所有键都被重新映射 [1]”
现在我们了解了一致性散列的定义，让我们看看它是如何工作的。假设使用SHA-1作为哈希函数f，哈希函数的输出范围为：x0,x1,x2,x3,...,xn。在密码学中，SHA-1 的散列空间从 0 到 2^160 - 1。也就是说，x0 对应 0，xn 对应 2^160 – 1，中间的所有其他哈希值都在 0 和 2^160 – 1 之间。图 5-3 显示了哈希空间。
通过收集两端，我们得到一个哈希环，如图5-4所示：
使用相同的哈希函数 f，我们将基于服务器 IP 或名称的服务器映射到环上。 图 5-5 显示哈希环上映射了 4 个服务器
值得一提的是，这里使用的散列函数与“rehashing problem”中的散列函数不同，没有模运算。 如图5-6所示，4个缓存键（key0、key1、key2、key3）被哈希到哈希环Server lookup。
为了确定键存放在哪个服务器上，我们从键在环上的位置顺时针查找，直到找到一个服务器。图5-7解释了这个过程。顺时针方向查找，key0存储在server0；key1存储在server1；key2存储在server2，key3存储在server3。
使用上述逻辑，增加一台新的服务器将只需要重新分配一部分的键。
在图5-8中，新增server4后，只需要重新分配key0即可。 k1、k2 和 k3 保留在相同的服务器上。 让我们仔细看看其中的逻辑，在加入server4之前，key0是存放在server0上的。现在key0会存放在server4上，因为server4是从key0在环上顺时针方向第一个遇到的server。 其他键基于一致性哈希算法不会重新分配。
当一台服务器被移除时，只有一小部分的键需要用一致的散列法进行重新分配。在图5-9中，当server1被移除时，只有key1必须被重新映射到server2。其余的键不受影响。
一致散列算法是由麻省理工学院的Karger等人提出的[1]。
基本步骤如下：
- 使用均匀分布的哈希函数将服务器和键映射到环上。
- 要想知道一个键被映射到哪个服务器，从键的位置顺时针查找，直到找到环上的第一个服务器。
这种方法存在两个问题：
-
首先，考虑到可以添加或删除服务器，不可能为所有服务器在环上保持相同大小的分区。 分区是相邻服务器之间的哈希空间。 分配给每个服务器的环上分区的大小可能非常小或相当大。在图5-10中，如果删除s1，s2的分区（用双向箭头突出显示）是s0和s3分区的两倍。
-
第二，在环上有可能出现不均匀的键分布。例如，如果服务器被映射到图5-11中所列的位置，大部分的密钥都存储在
serve2上。然而，server1和serser3没有数据。
一种叫做虚拟节点或复制的技术被用来解决这些问题
虚拟节点是指真实节点，每个服务器由环上的多个虚拟节点表示。在图5-12中，server0和server1都有3个虚拟节点。3是任意选择的；而在现实世界的系统中，虚拟节点的数量要大得多。我们不用s0，而是用s0_0、s0_1和s0_2来代表环上的server0。同样地，s1_0、s1_1和s1_2代表环上的server1。通过虚拟节点，每个服务器负责多个分区。标签为s0的分区（边）由server0管理。 另一方面，标签为s1的分区则由server1管理。
为了找到键存储在哪个服务器上，我们从键的位置顺时针方向找到环上遇到的第一个虚拟节点。 在图5-13中，为了找出k0存储在哪个服务器上，我们从k0的位置顺时针方向找到虚拟节点s1_1，它就是是server1。
随着虚拟节点数量的增加，密钥的分布变得更加均衡。 这是因为标准偏差随着虚拟节点的增加而变小，从而导致数据分布平衡。 标准差衡量数据的分布方式。 在线研究 [2] 进行的实验结果表明，对于一两百个虚拟节点，标准偏差在均值的 5%（200 个虚拟节点）和 10%（100 个虚拟节点）之间。 当我们增加虚拟节点的数量时，标准偏差会更小。 但是，需要更多空间来存储有关虚拟节点的数据。 这是一个权衡，我们可以调整虚拟节点的数量以满足我们的系统要求
当一个服务器被添加或删除时，有一部分数据需要重新分配。我们怎样才能找到受影响的范围来重新分配？
在图5-14中，Server 4加入环中。 受影响的范围从 s4（新添加的节点）开始并沿环逆时针方向移动，直到找到服务器（s3）。 因此，位于 s3 和 s4 之间的键需要重新分配给 s4。
如图 5-15 所示，当一个服务器（s1）被移除时，受影响的范围从 s1（被移除的节点）开始并沿环逆时针方向移动，直到找到一个服务器（s0）。 因此，位于 s0 和 s1 之间的密钥必须重新分配给 s2。
在这一章中，我们深入讨论了一致性散列，包括为什么需要它以及它是如何工作的。
一致性散列的好处包括：
- 当服务器被添加或删除时，很小一部分的键被重新分配。
- 横向扩展很容易，因为数据的分布比较均匀。
- 缓解热点关键问题。 对特定分片的过度访问可能会导致服务器过载。 想象一下 Katy Perry、Justin Bieber 和 Lady Gaga 的数据最终都在同一个分片上。 一致的散列有助于通过更多地分布数据来缓解问题 均匀地。
一致性哈希广泛用于现实世界的系统，包括一些著名的系统：
- 亚马逊 Dynamo 数据库的分区组件 [3]
- Apache Cassandra 中跨集群的数据分区 [4]
- Discord 聊天应用 [5]
- Akamai 内容分发网络 [6]
- 磁悬浮网络负载均衡器 [7]
恭喜你走到了这一步！现在给自己一个鼓励，干得漂亮！
[1] Consistent hashing: https://en.wikipedia.org/wiki/Consistent_hashing
[2] Consistent Hashing:
https://tom-e-white.com/2007/11/consistent-hashing.html
[3] Dynamo: Amazon’s Highly Available Key-value Store:
https://www.allthingsdistributed.com/files/amazon-dynamo-sosp2007.pdf
[4] Cassandra - A Decentralized Structured Storage System:
http://www.cs.cornell.edu/Projects/ladis2009/papers/Lakshman-ladis2009.PDF
[5] How Discord Scaled Elixir to 5,000,000 Concurrent Users:
https://blog.discord.com/scaling-elixir-f9b8e1e7c29b
[6] CS168: The Modern Algorithmic Toolbox Lecture #1: Introduction and Consistent
Hashing: http://theory.stanford.edu/~tim/s16/l/l1.pdf
[7] Maglev: A Fast and Reliable Software Network Load Balancer:
https://static.googleusercontent.com/media/research.google.com/en//pubs/archive/44824.pdf