本文主要会围绕，redis分布式算法的原理以及环境配置搭建，和服务端客户端启动。我们会封装一个分布式Shard Redis API，最后验证一下Redis分布式环境验证。另外会解释一下，集群和分布式的概念。 （参考慕课geely课程：
来一波地址：https://coding.imooc.com/learn/list/162.html）
一、分布式算法原理
1.1传统的分布式算法.
原始的做法是对缓存项的键进行哈希，将hash后的结果对缓存服务器的数量进行取模操作，通过取模后的结果，决定缓存项将会缓存在哪一台服务器上。例如一个图片选择存哪台服务器的一个过程，
传统的分布式算法
这样Hash取模的方式是有弊端的，就是在我们业务扩展的时候，新增服务器节点，会导致一部分数据不能准确的在缓存服务器中找到。换句话说，当服务器数量发生变化的时候，所有缓存在一点时间内是失效的，当应用无法从缓存中获取数据时，则会向后端服务器请求数据，造成了缓存的雪崩，整个系统很有可能被压垮，所以，我们应该想办法不让这种糟糕的情况出现，但是由于Hash算法本身的缘故，使用取模法进行缓存时，这种情况是无法避免的，为了解决这些问题而出现一致性哈希算法诞生。
1.2Consistent hashing一致性算法原理
这和算法有一个环形hash空间的概念，通常hash算法都是将value映射在一个32位的key值当中，那么把数据首尾相接就会形成一个圆形，取值范围为0 ~ 2^32-1，这个圆环就是环形hash空间。
hash环
我们来看如何把对象映射到环形hash空间：
*只考虑4个对象Object1~Object4
*首先通过hash函数计算出这四个对象的hash值key，这些对象的hash值肯定是会落在上述中的环形hash空间范围上的，对象的hash对应的环形hash空间上的哪一个key值那么该对象就会映射到那个位置上，这样对象就映射到hash空间上
对象映射过程
然后就是把cache映射到环形hash空间，cache就是我们redis服务器，采用跟对象一样的hash算法。
redis服务器跟对象映射到hash环
可以看到，Cache和Obejct都映射到这个环形hash空间中了，那么接下来要考虑的就是如何将object映射到cache中。其实在这个环形hash空间进行一个顺时针的计算即可，例如key1顺时针遇到的第一个cache是cacheA，所以就将key1映射到cacheA中，key2顺时针遇到的第一个cache是cacheC，那么就将key2映射到cacheC中，以此类推。
object节点顺时针映射到redis节点
如果某一个cache被移除之后，那么object会继续顺时针寻找下一个cache进行映射。例如，cacheB被移除了，映射在cacheB中的object4就会顺时针往下找到cacheC，然后映射到cacheC上。
移除一个节点之后的变化
所以当移除一个cacheB时所影响的object范围就是cacheB与cacheA之间的那一段范围，这个范围是比较小的。如下图所标出的范围：
受影响的范围，相比较原始的分布式算法，影响范围小很多
而当增加一个cache节点时也是同理，例如，在acheC和cacheB之间增加了一个cacheD节点，那么object2在顺时针遇到的第一个cache就是cacheD，此时就会将obejct2映射到cacheD中。如下图：
新增redis节点
同样的，增加cache节点所影响的范围也就是cacheD和cacheB之间的那一段范围。如下图所标出的范围：
影响范围较小
1.3Hash倾斜性
上面一致性hash算法分析的都很美好，我们假设了所有的cache节点都在环形hash空间上均匀分布，但是很有可能会出现cache节点无法均匀分布在环形hash空间上。
cacheHahs之后分布到一侧
可以看到，A、B、C节点都挤在了一块，按顺时针来计算，就会有大量的数据（object）映射到A节点上，从上图中来看就会有一大半的数据都映射到A节点上，那么A节点所承载的数据压力会十分大，B、C节点则无法得到很好的利用，几乎等同闲着没事干。这就是Hash倾斜性所导致的现象，无法保证在环形hash空间上绝对的分布均匀。
1.4虚拟节点
为了解决Hash倾斜性的问题，redis引入了虚拟节点的概念，虚拟节点相当于是实际节点的一个影子或者说分身，而且虚拟节点一般都比实际节点的数量要多（可能一下多好几百倍，这个hash的环上都是密密麻麻的虚拟节点【默认的一个实际redis节点有160个虚拟节点，如果给redis实际节点配置了权重的话（默认权重是1），那虚拟节点的个数就是权重*160】）。引入虚拟节点后，object不再直接映射到实际的cache节点中，而是先映射到虚拟节点中。然后虚拟节点会再进行一个hash计算，最后才映射到实际的cache节点中。所以虚拟节点就是对我们的实际节点进行一个放大，如下图：
浅色为虚拟节点，深色为实际节点
先把对象hash到虚拟节点上，在将虚拟节点重新hash到真是的redis节点上。如下图所示：
虚拟节点hash的过程
1.5Consistent hashing命中率
命中率=（1 – n /（n+m））*100%（注释： n = 现有的节点数量；m = 新增的节点数量）
