Redis-sharding（分片-解决容量有限）

上一篇介绍到Redis的主从复制的相关的知识点，它解决了单机、单节点、单实例存在问题中-单点故障。那么今天我们来说说剩下的问题-容量有限如何应对。

数据可以分类、交集不多

数据可分类.png

数据没办法划分拆解

• hash + 取模
  

  取模.png
  弊端-取模的数必须固定，如%3、%5、%7，影响分布式下的扩展性。

• 消息队列

  
  消息队列.png

• 一致性hash

一致性哈希算法的基本实现原理是将机器节点和key值都按照一样的hash算法映射到一个0~2^32的圆环上。
当有一个写入缓存的请求到来时，计算 Key 值 k 对应的哈希值 Hash(k)，如果该值正好对应之前某个机器节点的 Hash 值，则直接写入该机器节点，
如果没有对应的机器节点，则顺时针查找下一个节点，进行写入，如果超过 2^32 还没找到对应节点，则从0开始查找(因为是环状结构)。

一致性hash.png

推荐使用该方式来解决实际容量的问题。
————————————————————
坐标帝都，白天上班族，晚上是知识的分享者
如果读完觉得有收获的话，欢迎点赞加关注