一、负载均衡
1.应用场景：
假设有三台缓存服务器s0,s1,s2，同时有三万张图片需要缓存，最好图片可以均匀的缓存到服务器上，这样可以分担缓存的压力。
2.解决方法
对缓存下的键进行hash计算，哈希后的值是个整数，再用缓存服务器的数量对这个值进行取模计算，余数决定数据应该缓存到哪台服务器上。
hash（名称）%机器数=余数
3.缺陷
将缓存服务器增加至3-4台，由于服务器数量发生变化，导致不能正常访问缓存数据，而程序在无法在缓存中获得数据时，会向后端服务器请求数据，也就是大量缓存在同一时间失效，造成缓存血崩，缓存机制无法起到分担访问压力的作用，压力就转移到后端服务器，整个系统很有可能会被压垮，为了避免这些问题，就采用一致性哈希算法。
二、一致性hash算法：
1.算法描述
假设依然有三台服务器A,B,C hash计算后对232取模，（32位系统一个指针4个字节，一个字节8位，4*8=32字节）有232个结点，从图片在hash环上的位置开始，沿顺时针查找，遇到的第一个服务器就是图片应该存放的缓存服务器，由于被缓存对象与服务器hash后的值是固定的，在服务器不变的情况下，若要访问图片，只需使用相同的算法，就可算出图片被缓存到那台服务器上，去对应的服务器上查找图片即可。
按照一致性哈希算法的规则，先将服务D映射到哈希环上，这样一部分图片按顺时针第一个遇到的服务器由A变成了D,也就是说，增加了一台服务器，会导致一小部分图片不可访问，但大部分图片都可以正常访问。
2.一致性哈希算法的优点：
如果服务器数量发生改变，并不是所有的缓存都会失效，而是只有部分缓存会失效，仍然能够分担整个系统大部分的压力，而不至于所有的压力同一时间都集中到后端服务器上
3.缺陷：
哈希偏斜
三、哈希偏斜
1.描述
在实际的映射中，服务器映射到哈希环上很有可以是斜的，称为哈希偏斜，在hash环偏斜的情况下，大部分的缓存对象很有可能会缓存到一台服务器上。导致缓存分布极度不均匀，三台服务器没有被平均的使用，如果缓存数据较多的服务器失效，由于失效的缓存太多，在这种情况下，很有可能引起系统的故障，
2.解决方式：
要想均衡的将缓存分布到服务器上，要让服务器尽量的多，这样才能均匀的出现在哈希环上，解决方式是：增加虚拟节点
真实的服务器资源只要三台，但 可以根据现有的物理节点映射许多新的节点，比如：a->a1,a2……an,再将虚拟节点加入哈希环
引入虚拟节点后，虚拟节点越多，哈希环上的服务器节点就越多，缓存被均匀分布的概率就越大，这样就可以一定程度上减小哈希环偏斜带来的影响，在进行缓存读写时，可以先找到缓存对应的虚拟节点，再找到对应的真实节点，再进行缓存数据的存储和读取。
