一致性hash算法介绍

	负载均衡算法：一般使用储存的数据%机器台数，但是一旦新增机器或者减少机器，就会影响所有原本导向的节点。
	比如：目前储存数据：6，有4台机器，它会是6%4=2，会保存在2号机器。但是一旦新增一台机器，6%5=1，
变成储存在一号机器。原本所有的数据都不见了，这是个很大的问题。

	一致性hash算法：就是即使机器经常变动，对原本数据的影响以及搬迁不大。使用就近节点储存数据的原则，
怎么理解呢？它是一个闭环的结构，当你数据落在节点则保存在节点上。如果数据不落在节点上，则按统一的一个方向，
就近储存数据。

图片教学

原本数据结构图

在这里插入图片描述

	原本hash闭环图，Data数据就近赋值，比如:Data1，其实是不落在节点上的，就近原则落在Node1上。

新增节点情况

新增但无影响其他数据的情况
在这里插入图片描述

	新增Node4节点，看到对原本数据是没有影响的。

新增有影响的情况

在这里插入图片描述

	为了方便演示，把节点和数据移动了一下！
	可以看到，新增Node4节点，但是原本的Data1就近原则落在Node4节点上。（原本Data1已经不存在了，
按照一致性hash算法的话,它会在Node4去查这个Data1的数据，为空。这个时候重新put进去到Node4）

删除情况

在这里插入图片描述

	这个删除情况当然是会影响原本数据的，用胸肌想一下就知道了。

实现一致性hash算法

这个是参考下面博客滴~

分析代码

变量

/** 按照 键 排序*/
TreeMap<Integer, Node> nodes = new TreeMap<>();

使用TreeMap来获取最近的节点

put方法

void put(Obj obj) {
  int objHashcode = obj.hashCode();
  Node node = nodes.get(objHashcode);
  if (node != null) {
    node.putObj(obj);
    return;
  }

  // 找到比给定 key 大的集合
  SortedMap<Integer, Node> tailMap = nodes.tailMap(objHashcode);
  // 找到最小的节点
  int nodeHashcode = tailMap.isEmpty() ? nodes.firstKey() : tailMap.firstKey();
  nodes.get(nodeHashcode).putObj(obj);

}

根据nodes.tailMap方法找到比这个数据大的节点，如果有则说明数据落在最大节点Map里面的最小的节点上。
如果没有比它大的节点map，由于是闭环！！！把数据赋值给第一个最小节点。

get方法

Obj get(Obj obj) {
  Node node = nodes.get(obj.hashCode());
  if (node != null) {
    return node.getObj(obj);
  }

  // 找到比给定 key 大的集合
  SortedMap<Integer, Node> tailMap = nodes.tailMap(obj.hashCode());
  // 找到最小的节点
  int nodeHashcode = tailMap.isEmpty() ? nodes.firstKey() : tailMap.firstKey();
  return nodes.get(nodeHashcode).getObj(obj);
}

如果落在节点上。直接获取节点上的数据。如果不在节点上，就近找到节点获取数据。