一致性hash演算法的理解

用hash做快取，假如有三臺伺服器，1,2,3，有三萬張圖片，我想將圖片平均快取到我三臺伺服器上，一個伺服器大概一萬張，怎麼去實現這個辦法呢，可以用hash來取餘數進行操作，加入我們是以圖片的名字作為key進行hash計算，hash (圖片名稱)%N 其中N為我們伺服器的個數，我們將hash(圖片名稱)這一部分進行計算後得到的是一個正數，然後除以伺服器的數目進行取餘數，結果將會是0,1,2三個數，對應我們的伺服器的編號，當我們作為客戶端去請求圖片的時候，圖片已經進行過hash運算了，直接找到對應伺服器的編號進行圖片的訪問，這樣解決了我需要遍歷所有的伺服器進行查詢。

那如果我快取的伺服器的數量減少或者增加，如果還是按照原來的演算法走，必定會造成快取資料的丟失，會去向後端的伺服器去請求，如果有一臺快取伺服器發生了故障，那我原來快取的位置必定會發生改變，原來本該運算後要進行快取到某一臺伺服器的圖片，現在找不到對應快取伺服器，肯定會發生快取的雪崩

所以出現了一致性hash演算法相當於將伺服器和圖片分別hash到我的hash環上進行就近快取，hash環就是對2^32次方進行取模，從0開始一直到2^32，均勻分佈在一個圓環(一個比方)，0的順時針方向的第一位為1，逆時針方向第一位為2^32，大概如下圖

具體就是比方我有三個伺服器A，B ,C對其進行 hash (伺服器Aip)%2^32 得出來的一定是一個整數，而且一定是在0--2^32之間，那麼這個數就會分佈在hash環上對應的位置，相同的B,C都一樣，假設我們hash過後ABC的位置如下圖

然後我們將需要快取圖片的key進行hash，它的hash值也會分佈在我的hash環上，

如上圖，我hash到了A和C之間，圖片的儲存規則是順時針方向的儲存，所以應該儲存到A，如果有四張的話如下圖

那如果我們的hash演算法將伺服器和hash的圖片存放位置比較相近，類似於;

所有的快取都集中儲存到了A一臺，只有5到了B，那麼這樣A的壓力就不言而喻，沒有均勻可言了，辛虧hash環可以新增快取伺服器的虛擬節點，類似於虛擬機器，一臺實機可以虛擬多臺，類似於這樣：

這樣的話就會盡可能的把快取都均衡放在各個伺服器

一致性hash演算法的優勢在哪：一個是當我有一臺快取節點掛了之後，快取的儲存不會受太大的影響，

我們將b節點拿走，本來要在B節點儲存的3，因為找不到B伺服器，而遵循規則快取到C，而4的快取節點不會發生改變，這就是一致hash的優點，如果發生伺服器的增加或者減少只有部分的快取會失效，不造成全盤皆輸的可能

一致hash到此結束。

本文轉自雲棲社群  作者：提利

原文連結：https://yq.aliyun.com/articles/629003?spm=a2c4e.11153940.bloghomeflow.55.4a0b291alaKm1U