Hash算法，比如说在安全加密领域MD5，SHA等加密算法，在数据存储和查找方面有Hash表等，以上都应用到了Hash算法

为什么需要使用Hash？

Hash算法比较多的应用在数据存储和查找领域，最经典的就是Hash表，它的查询效率非常之高，其中的哈希算法如果设计的ok的话，那么Hash表的数据查询时间复杂度可以接近于O(1)

需求：提供一组数据 1,5,7,6,3,4,8，对这组数据进行存储，然后随便给定一个数n，请你判断n是否存在于刚才的数据集中?

list:List[1,5,7,6,3,4,8]

// 通过循环判断来实现
for(int element: list) {
  if(element == n) {
  	//如果相等，说明n存在于数据集中
  }
}

以上这种方法这种方法叫做顺序查找法 :这种方式我们是通过循环来完成，比较原始，效率也不高

二分查找:排序之后折半查找，相对于顺序查找法会提高一些效率，但是效率也并不是特别好我能否不循环!不二分!而是通过一次查询就把数据n从数据集中查询出来?可以!

定义了一个数组，数组长度大于等于数据集长度，此处长度为9数据1就存储在下标为1的位置，3就存储在下标为3的元素位置，，，依次类推。

这个时候，我想看下5存在与否，只需要判断list.get(5) array[5] 是否为空，如果为空，代表5不存在于数据集，如果不为空代表5在数据集当中，通过一次查找就达到了目的，时间复杂度为O(1)。

这种方式叫做“直接寻址法”:直接把数据和数组的下标绑定到一起，查找的时候，直接array[n]就取出了数据

优点:速度快，一次查找得到结果

缺点:

浪费空间，比如 1,5,7,6,3,4,8,12306 ，最大值12306 ，按照上述方式需要定义一个比如⻓度为12307的数组，但是只存储零星的几个数据，其他位置空间都浪费着
数据如:1,5,7,6,3,4,8,12,1,2,1,2,1,2,1,2,1,2,1,2,1,2,1,2,1,2,1,2最大值12，比如开辟13个空间，存储不了这么多内容

现在，换一种设计，如果数据是3，5，7，12306，一共4个数据，我们开辟任意个空间，比如5个，那么具体数据存储到哪个位置呢，我们可以对数据进行求模(对空间位置数5)，根据求模余数确定存储位置的下标，比如3%5=3，就可以把3这个数据放到下标为3的位置上，12306%5=1，就把12306这个数据存储到下标为1的位置上

对于上面的数据求模他就是一个hash算法，只不过这是一种比较普通又简单的hash 算法，这种构造Hash算法的方式叫做除留余数法

如果是数据1，6，7，8把这四个数据存储到上面的数组中

应对Hash冲突，有以下几种解决办法

开放寻址法：1放进去了，6再来，发现位置被1站了，向前后者向后找空闲的位置存放，这么做有个缺点就是如果数组长度定义好了比如10，长度不能扩展，来了11个数据，不管Hash冲突不冲突，肯定存不下这么多数据

链表法：在数组元素存储位置放一个链表

如果Hash算法设计的比较好的话，那么查询效率会更接近于O(1)，如果Hash算法设计的比较low，那么查询效率就会很低了。所以，Hash表的查询效率高不高取决于Hash算法，Hash算法能够让数据平均分布，既能够节省空间又能够提高查询效率。

Hash算法的应用场景

主要的应用场景归纳起来两个：

请求的负载均衡（比如Nginx的ip_hash策略）：Nginx的IP_hash策略可以在客户端ip不变的情况下，将其发出的请求始终路由到同一个目标服务器上，实现会话粘滞，避免处理session共享问题。缺点也很明显：在客户端很多的情况下，映射表非常大，浪费内存空间。客户端上下线，目标服务器上下线，都会导致重新维护映射表，映射表维护成本很大
分布式存储：以分布式内存数据库Redis为例,集群中有redis1，redis2，redis3 三台Redis服务器，那么,在进行数据存储时,<key1,value1>数据存储到哪个服务器当中呢?针对key进行hash处理 hash(key1)%3=index, 使用余数index锁定存储的具体服务器节点

普通Hash算法存在的问题

普通Hash算法存在一个问题，以ip_hash为例，假定下载用户ip固定没有发生改变，现在tomcat3出现了问题，down机了，服务器数量由3个变为了2个，之前所有的求模都需要重新计算。如果在真实生产情况下，后台服务器很多台，客户端也有很多，那么影响是很大的，缩容和扩容都会存在这样的问题，大量用户的请求会被路由到其他的目标服务器处理，用户在原来服务器中的会话都会丢失。

一致性Hash算法

首先有一条直线，直线开头和结尾分别定为1和2的32次方-1，这相当于一个地址，对于这样一条弯过来构成一个圆环形成闭环，这样的一个圆环称为hash环。我们把服务器的ip或者主机名求 hash值然后对应到hash环上，那么针对客户端用户，也根据它的ip进行hash求值，对应到环上某个位置，然后如何确定一个客户端路由到哪个服务器处理呢?按照顺时针方向找最近的服务器节点假如将服务器3下线，服务器3下线后，原来路由到3的客户端重新路由到服务器4，对于其他客户端没有影响只是这一小部分受影响(请求的迁移达到了最小，这样的算法对分布式集群来说非常合适的，避免了大量请求迁移 ) 增加服务器5之后，原来路由到3的部分客户端路由到新增服务器5上，对于其他客户端没有影响只是这一小部分受影响(请求的迁移达到了最小，这样的算法对分布式集群来说非常合适的，避免了大量请求迁移 ) 如图所示，每一台服务器负责一段，一致性哈希算法对于节点的增减都只需重定位环空间中的一小部分数据，具有较好的容错性和可扩展性。

但是，一致性哈希算法在服务节点太少时，容易因为节点分部不均匀而造成数据倾斜问题。例如系统中只有两台服务器，其环分布如下，节点2只能负责非常小的一段，大量的客户端

请求落在了节点1上，这就是数据(请求)倾斜问题

为了解决这种数据倾斜问题，一致性哈希算法引入了虚拟节点机制，即对每一个服务节点计算多个哈希，每个计算结果位置都放置一个此服务节点，称为虚拟节点。

具体做法可以在服务器ip或主机名的后面增加编号来实现。比如，可以为每台服务器计算三个虚拟节点，于是可以分别计算 “节点1的ip#1”、“节点1的ip#2”、“节点1的ip#3”、“节点2的ip#1”、“节点2的 ip#2”、“节点2的ip#3”的哈希值，于是形成六个虚拟节点，当客户端被路由到虚拟节点的时候其实是被路由到该虚拟节点所对应的真实节点

手写实现一致性Hash算法

不含虚拟节点

public class ConsistentHashNoVirtual {

    public static void main(String[] args) {
        //定义服务器ip
        String[] tomcatServers = new String[]
                {"123.111.0.0","123.101.3.1","111.20.35.2","123.98.26.3"};

        SortedMap<Integer,String> hashServerMap = new TreeMap<>();

        for (String tomcatServer: tomcatServers){
            //求出每一个ip的hash值，对应到hash环上，存储hash值与ip的对应关系
            int serverHash = Math.abs(tomcatServer.hashCode());

            //存储hash值与ip的对应关系
            hashServerMap.put(serverHash,tomcatServer);
        }


        //定义客户端ip
        String[] clients = new String[]
                {"10.78.12.3","113.25.63.1","126.12.3.8","126.12.3.4","126.12.3.1"};
        for (String client: clients){

            int clientHash = Math.abs(client.hashCode());

            //根据客户端ip的哈希值去找出哪一个服务器节点能够处理
            SortedMap<Integer, String> integerStringSortedMap =
                    hashServerMap.tailMap(clientHash);

            if (integerStringSortedMap.isEmpty()){
                // 取哈希环上的顺时针第一台服务器
                Integer firstKey = hashServerMap.firstKey();
                System.out.println("==========>>>>客户端:" + client +
                        " 被路由到服务器:" + hashServerMap.get(firstKey));

            }else {
                Integer firstKey = integerStringSortedMap.firstKey(); 
                System.out.println("==========>>>>客户端:" + client +
                        " 被路由到服务器:" + hashServerMap.get(firstKey));
            }
        }
    }
}

结果：

==========>>>>客户端:10.78.12.3 被路由到服务器:111.20.35.2
==========>>>>客户端:113.25.63.1 被路由到服务器:123.98.26.3
==========>>>>客户端:126.12.3.8 被路由到服务器:111.20.35.2
==========>>>>客户端:126.12.3.4 被路由到服务器:111.20.35.2
==========>>>>客户端:126.12.3.1 被路由到服务器:111.20.35.2

含虚拟节点

public class ConsistentHashNoVirtual {

    public static void main(String[] args) {
        //定义服务器ip
        String[] tomcatServers = new String[]
                {"123.111.0.0","123.101.3.1","111.20.35.2","123.98.26.3"};

        SortedMap<Integer,String> hashServerMap = new TreeMap<>();

        //定义针对每个真实服务器虚拟出来几个节点
        int virtaulCount = 3;

        for (String tomcatServer: tomcatServers){
            //求出每一个ip的hash值，对应到hash环上，存储hash值与ip的对应关系
            int serverHash = Math.abs(tomcatServer.hashCode());

            //存储hash值与ip的对应关系
            hashServerMap.put(serverHash,tomcatServer);

            //处理虚拟节点
            for (int i = 0; i < virtaulCount; i++){
                int virtualHash = Math.abs((tomcatServer + "#" +i).hashCode());
                hashServerMap.put(virtualHash,"----由虚拟节点"+ i + "映射过来的请求:"+ tomcatServer);
            }
        }


        //定义客户端ip
        String[] clients = new String[]
                {"10.78.12.3","113.25.63.1","126.12.3.8","126.12.3.4","126.12.3.1"};
        for (String client: clients){

            int clientHash = Math.abs(client.hashCode());

            //根据客户端ip的哈希值去找出哪一个服务器节点能够处理
            SortedMap<Integer, String> integerStringSortedMap =
                    hashServerMap.tailMap(clientHash);

            if (integerStringSortedMap.isEmpty()){
                // 取哈希环上的顺时针第一台服务器
                Integer firstKey = hashServerMap.firstKey();
                System.out.println("==========>>>>客户端:" + client +
                        " 被路由到服务器:" + hashServerMap.get(firstKey));

            }else {
                Integer firstKey = integerStringSortedMap.firstKey();
                System.out.println("==========>>>>客户端:" + client +
                        " 被路由到服务器:" + hashServerMap.get(firstKey));
            }
        }
    }
}

结果：

==========>>>>客户端:10.78.12.3 被路由到服务器:111.20.35.2
==========>>>>客户端:113.25.63.1 被路由到服务器:----由虚拟节点2映射过来的请求:111.20.35.2
==========>>>>客户端:126.12.3.8 被路由到服务器:----由虚拟节点0映射过来的请求:123.101.3.1
==========>>>>客户端:126.12.3.4 被路由到服务器:----由虚拟节点0映射过来的请求:123.101.3.1
==========>>>>客户端:126.12.3.1 被路由到服务器:----由虚拟节点0映射过来的请求:123.101.3.1

我说一致性Hash简单，没人反对吧？