一致性哈希算法(consistent hashing)的一种实现

首先需要了解一致性哈希算法(consistent hashing)：http://blog.csdn.net/cywosp/article/details/23397179/。

下面介绍支持2^32次方空间的一致性哈希算法的一种实现：

1、建立虚拟节点，最大支持2^16次方个虚拟节点：关键在于既要体现出每个实际节点的权重，还要为后续增加的节点预留虚拟节点。

2、为了满足1条件和虚拟节点分布的随机性和均衡性，可采用MD5算法：

对实际节点进行编号（IP+序列号）”192.168.10.11@1“、”192.168.10.11@2“、”192.168.10.11@3“，再进行MD5，由于MD5值是一个16位16进制数，

每四位16进制数（低四位、中低四位、中高四位、高四位）可组成一个32bit的key，所以一个编号可创建4个虚拟节点。

3、权重实现：权重越大，每个实际节点编号越多，最大序列号变大。

4、预留虚拟节点：为后续节点假设权重，假设最大支持32台服务器，现在有10台在线，每台权重为1，那么每台建设虚拟节点个数为(2^16/4)*(1/32)，

这个值也是这个节点的最大序列号值；采用MD5算法，也可以保证现在这10台的均衡性。

5、将虚拟节点信息（真实节点信息和虚拟节点key）放入红黑树，便于查找；可首先建好2^32次方虚拟节点，空的虚拟节点可采用链表存储，为新节点准备。

6、当某一对象需要调度到实际节点时，对该对象ID进行MD5算法，并只取低四位作为key，通过红黑树，查找到与它最接近但不大于它的虚拟节点信息，从中获取实际节点。

7、该实现可保证：

a、各个节点的均衡性。

b、当删除一节点时，剩下节点的全部原有数据依旧都能够映射到原节点上，并且剩下节点分担了删除节点的原有数据。

c、当添加一个节点时，映射到老节点的数据都是原有数据，但老节点的部分原有数据被新节点分担，并且老节点和新节点依旧保持均衡性。