一致性hash算法
背景
当我们的业务系统大到一定程度的时候，一台缓存服务器显然不能满足需求，需要使用多台缓存服务器。然后缓存服务器具体一定的用户粘性属性，如何设计缓存服务器使其命中率提高，并具有伸缩性。
普通余数hash
根据某个字段进行取模运算，根据余数值来选择缓存服务器
该方式在扩展时存在问题，从5台服务器增加到6台，mod变成6，运算可以得出，之前的余数值全部失效，这样设计就不具有用户粘性了，在缓存大量失效的情况下，数据库的压力就会激增，可能导致数据库宕机或业务中断。
一致性hash
一致性hash算法通过一致性hash环来实现，先构造一个长度为0~2的32次方的整数环，再根据hash算法将缓存服务器映射到这个hash环上。当用户来查询时，将用户特征同样通过hash算法映射到hash环上，然后顺时针查询离这个key最近的缓存服务器节点。
当需要增加缓存服务器的时候，只需要将新的缓存服务器映射到hash环上，影响范围很小，如下图所示，新加入NODE3节点，NODE0节点和NODE2节点不受影响，理论上NODE3节点只分担了NODE1节点50%的流量。
理论上上述请求的命中率是100% – 33% * 50% = 83.5%，且缓存服务器越多，新加入服务器后命中的概率越高。
但是上述算法也存在一定的问题，NODE3节点的加入只分担了NODE1的流量，这就相当于NODE0和NODE1节点的压力是NODE1和NODE3的两倍，如何做到负载均衡？
负载不均问题
计算机领域有句话，计算机的任何问题都可以通过增加一个虚拟层来解决。计算机硬件、计算机网络、计算机软件都是如此。计算机网络的7层协议，每一层都是下一层的虚拟层；计算机操作系统可以看做计算机硬件的虚拟层；jvm可以看做是操作系统的虚拟层；分层的计算机软件架构也是利用虚拟层的概念。
解决一致性hash的负载不均问题，也可以利用虚拟层的概念，将每台物理缓存服务器虚拟成一组虚拟缓存服务器，再将虚拟的hash值放在hash环上。每次查询时，先找到虚拟的缓存服务器key值，再通过该值找到物理服务器信息。
这样新加入缓存服务器时，是加入一组虚拟服务器，如果数量足够多的话，这个新加入的缓存服务器会均匀的影响原有的缓存服务器。
每个物理节点对应的虚拟节点越多，各个物理节点之间负载就越均衡，新加入的物理服务器对原有的物理服务器影响越保持一致（这就是一致性hash的名称的由来）。
在实践中，一台物理服务器虚拟多少虚拟服务器比较合适呢，太多会影响性能，太少又会负载不均衡，一般来说，经验值是150，但是也要根提业务和情况来定。
分布式缓存实践中，一致性hash是一个比较成熟的算法，不过还有其他优秀的算法，例如redis cluster的hash slot算法。