简介：

<分布式寻址>系列博客主要介绍分布式系统中寻址的几种实现方式，就以分布式缓存举例。

正文：

在以前的博客中有介绍过memcached和redis两大缓存组件，在redis推出cluster之前，memcached和redis都不属于严格意义上的分布式组件，分布式的实现还是在客户端去做的，也就是客户端需要去开发负载均衡等功能。

分布式系统是由一组通过网络进行通信、为了完成共同的任务而协调工作的计算机节点组成的系统。

所以如果想搭建一个分布式的缓存系统，必然要设计一种负载均衡方案以达到请求能分发到不同的服务器上。

那么最原始的做法是什么呢？

hash算法

最简单、常用的Hash算法。

hash(i) = i mod n

如上图

借用阿里云社区的一个例子：

用hash做缓存，假如有三台服务器，1,2,3，有三万张图片，我想将图片平均缓存到我三台服务器上，一个服务器大概一万张，怎么去实现这个办法呢，可以用hash来取余数进行操作，加入我们是以图片的名字作为key进行hash计算，hash （图片名称）%N 其中N为我们服务器的个数，我们将hash（图片名称）这一部分进行计算后得到的是一个正数，然后除以服务器的数目进行取余数，结果将会是0,1,2三个数

如果我缓存的服务器的数量减少或者增加，如果还是按照原来的算法走，必定会造成缓存数据的丢失，会去向后端的服务器去请求，如果有一台缓存服务器发生了故障，那我原来缓存的位置必定会发生改变，原来本该运算后要进行缓存到某一台服务器的图片，现在找不到对应缓存服务器，肯定会发生缓存的雪崩

总结

缺点：伸缩性差，使用余数Hash的路由算法，在扩容的时候会造成大量的数据无法正确命中（其实不仅仅是无法命中，那些大量的无法命中的数据还在原缓存中在被移除前占据着内存）。

解决方案：

（1）在网站访问量低谷，通常是深夜，技术团队加班，扩容、重启服务器

（2）通过模拟请求的方式逐渐预热缓存，使缓存服务器中的数据重新分布

所以出现了一致性hash算法，下篇博客介绍。