分佈式理論基礎認知：一致性哈希算法(已完成遷移)

一：一致性hash算法
    一致性hash場景描述：
        假如有三臺緩存服務器，此時一個數據要緩存到其中一臺，並且要一次查詢快速定位。一種簡單實用的方法就是
        對此時數據標識（key）進行hash取值，然後根據hash值與服務器數量取餘獲得餘數，此數代表了那一臺服務器，
        此時數據就緩存在這臺服務器上。但是會有個問題，當緩存服務器數量增加或者減少時，原先緩存的數據因爲
        服務器數量的增加或者減少，導致餘數變化，此時獲取緩存肯定是失效的，而且是全局緩存失效，這時導致緩存
        失去意義，這種情況下，出現了一致性hash

    概念：
        上述普通算法是根據服務器數量進行取模運算，而一致性hash就是對 2^32 取模
        把 2^32 想象成一個圓，也就是一個圓上分佈了 2^32 個點，又被稱爲 hash環
        上述hash值對 2^32 取模後（假設爲A），會落在 0-2^32-1 上的某一個點，而此時用 服務器ip % 2^32 取模之後的數，
        代表此時服務器所在的點（假設爲B），假設 A等於B 或者 A在B的逆時針方向，且靠的最近（hash環是按照順時針方向
        定義，也就是A會找最近並且在它的順時針方向上的點，即大的點）
        出現服務器數量增加或者減少後，hash值對於 2^32 取模後的值是相對不變的，也就是緩存的點總是不變，變化的只是
        hash環上某一節點上服務器數的增減，但是影響只限於增減那一段上的，其他地方不會影響。這就是一致性hash相對於普通
        hash的優點

    優點：隻影響增減那一段上的數據，其它節點上無感知，正常運行。而普通的取模算法就會導致所有的節點數據異常，一個影響
        部分，一個影響全部


    hash環的偏斜：
        對於服務器ip進行hash取模，很大可能各個節點不是均勻散落在hash環上，這就是hash環的偏斜，由此會導致某一服務器
        上會分佈大量數據，而爲了防止這種現象，使用“虛擬節點”解決此問題

    虛擬節點：
        虛擬節點是真實節點在hash環上的複製品，一個真實節點可以對應許多的虛擬節點，當然虛擬節點越多，分佈就會越均勻，
        數據分佈效果越好。
        分析：比如有一百個虛擬節點，從1-100，hash值+ 1-100 ，然後取模，此時大的數取值會大，小的數取值會小，效果也不好
        此時 hash算法要定義一個儘量差異大的，這樣相近的hash也會分散開，使得多個節點及其虛擬節點相互混雜，這樣
        效果越好，使用虛擬節點就解決了hash環偏斜的問題

二：代碼實現及其使用測試
    代碼實現：Ketama.java
    使用：
    /*
     * 一致性hash實現：將所有的在線服務都存儲到統一 treeMap中，進行負載均衡（路由到其他地址）
     */
    List servers = new ArrayList<>();
    for (String server : servers){
        Logs.info("server router add ketama server({})", server);
        ketama.add(server);
    }
    
    測試：Ketama.java中 main() 方法，詳細介紹如何使用


###資料鏈接
 hash一致性 經典理解：http://www.zsythink.net/archives/1182/