Redis之集群原理及一致Hash算法

一、如何设计系统，能够从Redis服务器的海量数据中快速找到所需？

我们可以采用分片，按照Hash算法划分数据，分散存储在多个节点上。
但是会涉及到一个问题，如果某个节点失效，那么存储在节点上面的数据也将失效，并且新增定位到该节点的数据将无法存储，容错性很低，利用一致性Hash算法可以解决这个问题。

二、利用一致Hash算法来解决分片的问题

其原理模于某个数（例如2的32次方），将哈希值空间变成虚拟的圆环（哈希环）：

选择节点的某些关键字（如主机名、主机IP）用哈希函数计算出哈希值，确定节点在哈希环上的位置：

将数据的Key进行相同Hash函数计算出哈希值，得到数据在环上的位置，然后沿环顺时针行走，遇到的第一个节点就是存储该数据的目标节点：

根据上面的运算，可以使数据分散存储到不同的节点上，一但某个节点宕机，虽然该节点上的数据仍会失效，但是新增的数据仍然可以沿顺时针保存在下一个节点上，实现最小化有损的提供服务。
（很多分布式系统都用到了一致性Hash算法，将请求经过哈希运算后，沿环顺时针交给不同的机器去处理）

三、Hash环的数据倾斜问题

当环上的节点很少时，容易因为节点分配不均匀，导致数据被集中缓存在同一个节点上：

为了解决这个问题，一致性Hash算法引入是虚拟节点，即为每一节点计算多个哈希值，都作为虚拟节点放置在环上：

我们需要做的只是将虚拟节点的数据映射到对应的真实节点上。
(该种做法是负载均衡算法中的一种，也可以实现将请求均衡的分布在服务器上)