网站案例架构（分布式缓存集群的伸缩性设计）读书笔记

分布式缓存集群的伸缩性设计      
  Memcached 分布式缓存集群的访问模型
    数据缓存流程;
      1 应用程序调用缓存Memcached的API接口
      2 API将需要写缓存的数据KEY输入路由算法模块，路由算法根据KEY和Memcached集群服务器列表计算得到一台服务编号（Node1）,进而得到该机器的IP地址和端口号
      3 API调用Memcached客户端程序（通信模块）和NODE1服务器通信，将数据写入服务器
  
  Memcached 分布式缓存集群的伸缩性挑战
    路由算法决定究竟该访问集群中的哪台服务器。
    简单的路由算法  余数HASH：
      实现方式：
        用服务器数目除以缓存数据KEY的HASH值，余数为服务器列表下标编号即对应节点NODE1。
      优点：
        由于HASHCode具有随机性因此可以保证相对比较均衡
      缺点：
        分布式缓存需要扩容的时候，事情就变得棘手
          当三台服务器扩容至4台服务器大约75%被缓存的不能命中 ，当100台服务器，加入一台，不能命中的概率99%
      可解决方法
        1 在网站访问量少的时候，扩容缓存服务器集群，这时候数据库的负载冲击最小，
          然后通过模拟请求的方法，逐渐缓存预热，使缓存服务器中的数据重新分布；
        2 改变HASH路由算法：分布式缓存的一致性HASH算法
    分布式缓存的一致性HASH算法
      具体算法过程：
        先够着一个0-2的32次方的整数环（这个环被称作一致性HASH环），根据节点设定的的Hash值，将缓存服务器节点放置在这个HASH环上，然后根据需要缓存的数据的key值计算得到HASH值，
        然后在HASH环上顺势针找距离这个key的HASH值最近的服务器节点，完成key到服务器的HASH映射查找。
      优点：
        影响缓存节点少，保证大部分节点的缓存可以被命中，比例足够小，不会对数据库的获取造成致命的压力；
      缺点：
        节点的缓存数据量和负载压力，新加的节点和最近受影响的节点 相对其他的负载压力和数据量相比较小，性能分配不均；
        hash区段分配不均匀；
      可解决方法
        增加虚拟节点，进行均分截断平衡hash区段；