- 背景 -
当前后台微服务架构盛极一时，docker技术日趋成熟，二者如同伯牙子期的相遇，天作之合。而服务容器化在任何业务背景下都会遇到动态扩缩容，随着业务的访问量级波动，容器资源的自动化增加和回收可以为运维减少压力。
此外，在扩缩容前后，都需要负载均衡来维持各节点上的负载压力，从而使得扩缩容变得更加“优雅”。负载均衡技术中常用的算法模型就会涉及到一致性哈希算法。
- 求余哈希算法 -
服务集群中每个节点都有个“哈希地址”作为唯一标识，其计算公式简写如下：
add = hash(object) mod Nadd=hash(object)modN
当发生扩缩容导致增加或减少一个节点时，剩余节点的地址映射都会发生改变
add = hash(object) mod (N±1)add=hash(object)mod(N±1)
进而导致所有节点的数据需要迁移，代价太大
- 一致性哈希算法 -
一致性哈希将哈希值空间设计成“环状”，值域为[0,2^32-1]，定义域可以使用节点的IP或主机名来计算。
假设我们有3个节点和4个数据，其地址在哈希值空间的分布如下：
按照一致性哈希算法，每个数据按顺时针方向，绑定到距离它最近的节点，例如数据A绑定01节点，数据D绑定02节点，数据B、C绑定03节点。
假设03节点被缩减掉，数据B和C就需要绑定到01节点，其余数据和节点不需要迁移。
假设增加一个节点04，如下图，按照一致性哈希算法，只需要将数据B重新迁移到节点04即可。
- 总结 -
一致性哈希算法，因为其特殊的数据结构和数据绑定算法，使得在节点增加和减少时，可发生的数据迁移量大大减少，数据迁移减少，带来的应用价值就是减少动态扩缩容的时间。
目前市面上“秒级”的扩缩容产品非常少，大部分都在“分钟级”，当扩缩容反应越灵敏，在业务运营大型活动时，发生服务宕机或者雪崩的概率就会大大降低！
