本文转自http://www.baiyuxiong.com/?p=1189

stathat.com/c/consistent是一个一致性哈希库。
一致性哈希是为了解决在分布式系统中，数据存取时选择哪一个具体节点的问题。
比如，系统中有五个节点，大量用户信息分别存在不同的节点上，具体到某一个用户，其信息应该确定的存在一个节点上，不能两次请求，分别去不同的节点上取数据。最简单的思路，可以拿用户ID和节点数求余数，
比如用户ID是 1、6、11、16的在第一个节点上，2、7、12、17的在第二个节点上，依此类推。

但是，如果系统中某一个节点坏掉了，变成4个了。如果再按4求余的话，会导致大量数据需要重新初始化。比如用户6，原来在第1个节点上，坏掉一个以后6%4=2，用户数据跑到第2个节点上去了。
如果系统中增加了新的节点，同样也会导致这个问题。

一致性哈希就是为了解决这个冲突的。关于其介绍，可参考：
http://blog.csdn.net/cywosp/article/details/23397179
http://www.cnblogs.com/haippy/archive/2011/12/10/2282943.html

下面介绍consistent库的使用
代码：

package main

import (
    "fmt"
    "stathat.com/c/consistent"
)

func main() {
    cons := consistent.New()
    cons.Add("cacheA")
    cons.Add("cacheB")
    cons.Add("cacheC")

    server1, err := cons.Get("user_1")
    server2, err := cons.Get("user_2")
    if err != nil {
        fmt.Println(err)
        return
    }
    fmt.Println("server1:", server1) //输出 server1: cacheC
    fmt.Println("server2:", server2) //输出 server2: cacheA

    fmt.Println()

    //user_1在cacheA上，把cacheA删掉后看下效果
    cons.Remove("cacheA")
    server1, err = cons.Get("user_1")
    server2, err = cons.Get("user_2")
    if err != nil {
        fmt.Println(err)
        return
    }
    fmt.Println("server1:", server1) //输出 server1: cacheC,和删除之前一样，在同一个server上
    fmt.Println("server2:", server2) //输出 server2: cacheB,换到另一个server了
}

输出：
server1: cacheC
server2: cacheA

server1: cacheC
server2: cacheB

一致性hash和hash的区别：

一致性hash是hash的一种应用

一致性哈希基本解决了在P2P环境中最为关键的问题——如何在动态的网络拓扑中分布存储和路由。每个节点仅需维护少量相邻节点的信息，并且在节点加入/退出系统时，仅有相关的少量节点参与到拓扑的维护中。所有这一切使得一致性哈希成为第一个实用的DHT算法。
　　但是一致性哈希的路由算法尚有不足之处。在查询过程中，查询消息要经过O(N)步(O(N)表示与N成正比关系，N代表系统内的节点总数)才能到达被查询的节点。不难想象，当系统规模非常大时，节点数量可能超过百万，这样的查询效率显然难以满足使用的需要。换个角度来看，即使用户能够忍受漫长的时延，查询过程中产生的大量消息也会给网络带来不必要的负荷。
　　英文解释
　　Consistent hashing is a scheme that provides hash table functionality in a way that the addition or removal of one slot does not significantly change the mapping of keys to slots.