最近在研究"一致性HASH算法"（Consistent Hashing），用于解決memcached集群中當服務器出現(xiàn)增減變動時對散列值的影響。后來 在JAVAEYE上的一篇文章中，找到了其中的 KetamaHash 算法的JAVA實現(xiàn)（一種基于虛擬結點的HASH算法），于是為了加深理解，對照 JAVA版本，用C#重寫了一個。放到這里，如果大家感興趣的話， 可以下載測試一下，如果發(fā)現(xiàn)寫法有問題請及時告之我，以便我及時修正。
下面是對Ketama的介紹：
Ketama is an implementation of a consistent hashing algorithm, meaning you can add or remove servers from the memcached pool without causing a complete remap of all keys.
Here’s how it works:
* Take your list of servers (eg: 1.2.3.4:11211, 5.6.7.8:11211, 9.8.7.6:11211)
* Hash each server string to several (100-200) unsigned ints
* Conceptually, these numbers are placed on a circle called the continuum. (imagine a clock face that goes from 0 to 2^32)
* Each number links to the server it was hashed from, so servers appear at several points on the continuum, by each of the numbers they hashed to.
* To map a key->server, hash your key to a single unsigned int, and find the next biggest number on the continuum. The server linked to that number is the correct server for that key.
* If you hash your key to a value near 2^32 and there are no points on the continuum greater than your hash, return the first server in the continuum.
If you then add or remove a server from the list, only a small proportion of keys end up mapping to different servers.
我的理解，這類方法其實有點像大學里的微積分的思想（通過連續(xù)函數(shù)的取值區(qū)間來計算圖形面積）。通過把已知的實結點（memcached服務IP端口）列表結成一個圓，然后在兩兩實結點之間“放置”盡可能多的虛擬節(jié)點(上面文中的unsigned ints)， 假設用戶數(shù)據(jù)映射在虛擬節(jié)點上（用戶數(shù)據(jù)真正存儲位置是在該虛擬節(jié)點代表的實際物理服務器上），這樣就能抑制分布不均勻，最大限度地減小服務器增減時的緩存重新分布。如下圖：
下面是添加結點時：
如這篇文章所說（總結一致性哈希(Consistent Hashing) ）：
Consistent Hashing最大限度地抑制了hash鍵的重新分布。另外要取得比較好的負載均衡的效果，往往在服務器數(shù)量比較少的時候需要增加虛擬節(jié)點來保證服務器能均勻的分布在圓環(huán)上。因為使用一般的hash方法，服務器的映射地點的分布非常不均勻。使用虛擬節(jié)點的思想，為每個物理節(jié)點（服務器）在圓上分配100～200個點。這樣就能抑制分布不均勻，最大限度地減小服務器增減時的緩存重新分布。用戶數(shù)據(jù)映射在虛擬節(jié)點上，就表示用戶數(shù)據(jù)真正存儲位置是在該虛擬節(jié)點代表的實際物理服務器上。
了解了原理，下面看一下具體實現(xiàn)。
JAVA實現(xiàn)代碼取自Spy Memcached client中的類，原文的作者也盡可能的對代碼進行注釋說明，所以讓我剩了不少時間。
喜歡 
頂
難過
囧
圍觀
無聊
