在分散式式系統中，為了分散訪問壓力，每個模組需要由多個節點組成叢集，共同來提供服務，客戶端根據一定的負載均衡策略來訪問叢集的各個節點，由此引入了一些問題，如在訪問壓力增大的情況需要要增加節點，或是叢集其中的一個節點突然掛掉，如何將原有節點上的請求壓力重新負載到新的節點叢集上。

　　我們常用的負載均衡策略有隨機（加權）、輪詢，最小連線數、最短響應時間，雜湊，以及我們今天要說的一致性hash。

一、一致性hash與其他負載均衡策略的對比

　　首先我們來分析下一致性hash相對前面幾種負載均衡策略的優勢，

　　輪詢：各個伺服器的效能可能不一致，該策略將節點視為等同，與實際中複雜的環境不符。加權輪詢為輪詢的一個改進策略，每個節點會有權重屬性，但是因為權重的設定難以做到隨實際情況變化，仍有一定的不足

　　隨機：與輪詢類似，根據不同的隨機演算法隨機訪問各個節點，可通過加權做一定擴充套件。

　　最小響應時間：通過記錄每次請求所需的時間，得出平均的響應時間，然後根據響應時間選擇最小的響應時間。該策略能較好地反應伺服器的狀態，但是由於是平均響應時間的關係，時間上有些滯後，無法滿足快速響應的要求。因此在此基礎之上，會有一些改進版本的策略，如只計算最近若干次的平均時間的策略等

　　最小連線數：把請求分配給活動連線數最小的後端伺服器。它通過活動來估計伺服器的負載。比較智慧，但需要維護後端伺服器的連線列表。

　　最小併發數：客戶端的每一次請求服務在伺服器停留的時間可能會有較大的差異,隨著工作時間加長,如果採用簡單的輪循或隨機均衡演算法,每一臺伺服器上的連線程序可能會產生較大的不同,並沒有達到真正的負載均衡｡最小併發數的策略則是記錄了當前時刻，每個備選節點正在處理的事務數，然後選擇併發數最小的節點。該策略能夠快速地反應伺服器的當前狀況，較為合理地將負責分配均勻，適用於對當前系統負載較為敏感的場景。

　　雜湊：上面幾種負載均衡方式在對於後端來說，有個重要的問題是若是一系列業務的多個請求，會被負載到幾個節點上，不利於統一處理，而相同業務都負載到同一節點還有利於提高快取命中率，便於維護長連線等，常見的hash有hash取模根據業務的需要，將對應屬性取得hash值，然後除以節點個數，取餘數分佈到不同對應編號的節點上。但是有個缺點是在增減節點的時候，需將所有的請求重新計算負載節點，較為耗費資源。

二、一致性hash的背景

　　一致性雜湊演算法(Consistent Hashing)在1997年由麻省理工學院提出的一種分散式雜湊（DHT）實現演算法，設計目標是為了解決因特網中的熱點(Hot spot)問題。

三、一致性hash的演算法實現概要

　　先構造一個長度為2³²的整數環（這個環被稱為一致性Hash環），根據節點名稱的Hash值（其分佈為[0, 2³²-1]）將伺服器節點放置在這個Hash環上，然後根據資料的Key值計算得到其Hash值（其分佈也為[0, 2³²-1]），接著在Hash環上順時針查詢距離這個Key值的Hash值最近的伺服器節點，完成Key到伺服器的對映查詢。