预热
首先我们要简单了解几个概念，详细的可以看下https://www.cnblogs.com/xzwblog/p/7255364.html和https://blog.csdn.net/moakun/article/details/80688976。
下面我抽出几点粗略看一下：
集群：同一个业务，部署在多个服务器上，集群分几种，负载均衡集群也是其中一种。
分布式：一个业务分拆成多个子业务，或者本身就是不同的业务，部署在不同的服务器上。
简单说，分布式是以缩短单个任务的执行时间来提升效率的，而集群则是通过提高单位时间内执行的任务数来提升效率。
负载均衡：在请求和我们真正的服务器之间再加一层负载均衡器（管理者），请求会发送到均衡器，再由均衡器把请求按特定算法转发给集群中某一台机器。这样就实现负载的均衡了。
这里是我自己写的，嘻嘻^_^
上面的知识点有了大概的认识后，我们接下来看看下面的问题：
- 假设前端有n台机器提供同一个搜索或录入功能，而后端有一个集群，而集群中有3台机器。
功能的流程是这样的：前端的机器都有一个hash()，得到code后mod 3决定存在哪台机器。
如图所示，这就是经典的负载均衡。
然而要对集群加减机器的时候，就会有个严重的问题，原本均衡存储在3台机器上的数据，要重新求hashCode并存入。这样数据迁移的要求十分的高。这时候就可以用到一致性哈希算法了。
一致性哈希算法
一致性哈希算法可以在增\删集群（节点）的时候需要重新hash的数量减少、还能保证负载均衡。知道作用后，来看看大致的思路吧。
- 把hash()后的值当成环型，假设范围为0-2^64,现在有3台机器m1、m2、m3，取他们的唯一标识符（ip或mac之类的）进行hash(),这样3台机器就分布上环中了
值得注意的是hash()后不需要mod。
- 录入和读取数据的时候，同样hash，并在环上顺时针寻找最近的机器进行操作。
再具体点怎么操作呢，把m1、m2、m3的hash值排序并存放为数组，再放在前端（负载均衡器）中，而后，用二分的方式求出数组中第一个大于等于hashcode（前端传来的）的位置，就找到最近的哪台机器了。
优点
缺点
机器数量少时，环并不能保住均分，因为hash要均分的条件是要一定数量上的。
加\减机器的时候，环的分布均衡也被破坏了
解决方案-虚拟节点
给每台机器m都分配1000个节点，并拥有路由表。
让节点均衡的分布在环上，只要找到对应节点就存在对应的机器上。
这样你删改机器、他们只是比例变了，但仍是均衡的（每台1000）。