當前，Memcached、Redis這類分布式kv緩存已經非常普遍。從本篇開始，本系列將分析分布式緩存相關的原理、使用策略和最佳實踐。

我們知道Memcached的分布式其實是一種“偽分布式”，也就是它的服務器結點之間其實是相互無關聯的，之間沒有網絡拓撲關系，由客戶端來決定一個key是存放到哪臺機器。

具體來講，假設我有多臺memcached服務器，編號分別為m0,m1,m2,…。對於一個key，由客戶端來決定存放到哪臺機器，那最簡單的hash公式就是 key % N，其中N是機器的總數。

但這有個問題，一旦機器數變少，或者增加機器，N發生變化，那之前存放的數據就全部無效了。因為你按照新的N值取模計算出的機器編號，和當時按舊的N值取模算出的機器編號肯定是不等的，也就意味著絕大部分緩存會失效。

這個問題的解決辦法就是用1種特別的Hash函數，盡可能使得，增加機器/減少機器時，緩存失效的數目降到最低，這就是Hash環，或者叫一致性Hash。

有興趣朋友可以關註公眾號“架構之道與術”， 獲取最新文章。
或掃描如下二維碼：

Hash環

上面說的Hash函數，只經過了1次hash，即把key hash到對應的機器編號。
而Hash環有2次Hash：
（1）把所有機器編號hash到這個環上
（2）把key也hash到這個環上。然後在這個環上進行匹配，看這個key和哪臺機器匹配。

具體來講，如下：

假定有這樣一個Hash函數，其值空間為（0到2的32次方-1) ，也就是說，其hash值是個32位無整型數字 ，這些數字組成一個環。

然後，先對機器進行hash(比如根據機器的ip)，算出每臺機器在這個環上的位置； 再對key進行hash，算出該key在環上的位置，然後從這個位置往前走，遇到的第一臺機器就是該key對應的機器，就把該(key, value) 存儲到該機器上。

如下圖所示：

首先計算出每臺Cache服務器在環上的位置（圖中的大圓圈）；然後每來一個(key, value)，計算出在環上的位置（圖中的小圓圈），然後順時針走，遇到的第1個機器，就是其要存儲的機器。

這裏的關鍵點是：當你增加/減少機器時，其他機器在環上的位置並不會發生改變。這樣只有增加的那臺機器、或者減少的那臺機器附近的數據會失效，其他機器上的數據都還是有效的。

數據傾斜問題

當你機器不多的時候，很可能出現幾臺機器在環上面貼的很近，不是在環上均勻分布。這將會導致大部分數據，都會集中在某1臺機器上。

為了解決這個問題，可以引入“虛擬機器”的概念，也就是說：1臺機器，我在環上面計算出多個位置。怎麽弄呢？ 假設用機器的ip來hash，我可以在ip後面加上幾個編號, ip_1, ip_2, ip_3, .. 把1臺物理機器生個多個虛擬機器的編號。

數據首先映射到“虛擬機器上”，再從“虛擬機器”映射到物理機器上。因為虛擬機器可以很多，在環上面均勻分布，從而保證數據均勻分布到物理機器上面。

ZK的引入

上面我們提到了服務器的機器增加、減少，問題是客戶端怎麽知道呢？

一種笨辦法就是手動的，當服務器機器增加、減少時候，重新配置客戶端，重啟客戶端。

另外一種，就是引入ZK，服務器的節點列表註冊到ZK上面，客戶端監聽ZK。發現結點數發生變化，自動更新自己的配置。

當然，不用ZK，用一個其他的中心結點，只要能實現這種更改的通知，也是可以的。

分布式緩存--系列1 -- Hash環/一致性Hash原理