将key映射到 2^32 - 1 的空间中，将这个数字的首尾相连，形成一个环
例如：p2、p4、p6三个节点，key11、key2、key27按照顺序映射到p2、p4、p6上面，假设新增一个节点p8在p6节点之后，这个时候只需要将key27从p6调整到p8就可以了；也就是说，每次新增删除节点时，只需要重新定位该节点附近的一小部分数据
如果服务器的节点过少，容易引起key的倾斜。例如上面的例子中p2、p4、p6分布在环的上半部分，下半部分是空的。那么映射到下半部分的key都会被分配给p2，key过度倾斜到了p2缓存间节点负载不均衡。
为了解决这个问题，引入了虚拟节点的概念，一个真实的节点对应多个虚拟的节点，假设1个真实的节点对应3个虚拟节点，那么p1对应的就是p1-1、p1-2、p1-3
虚拟节点扩充了节点的数量，解决了节点较少的情况下数据倾斜的问题，而且代价非常小，只需要新增一个字典（Map）维护真实的节点与虚拟节点的映射关系就可以了
这里使用了泛型的方式来保存数据，可以根据不同的类型，获取到不同的节点存储
public class ConsistentHash<T> {
//自定义hash方法
private Hash<Object> hashMethod;
//创建hash映射，虚拟节点映射真实节点
private final Map<Integer, T> hashMap = new ConcurrentHashMap<>();
//将所有的hash保存起来
private List<Integer> keys = new ArrayList<>();
//默认虚拟节点数量
private final int replicas;
public ConsistentHash() {
this(3, Utils::rehash);
}
public ConsistentHash(int replicas, Hash<Object> hashMethod) {
this.replicas = replicas;
this.hashMethod = hashMethod;
}
@SafeVarargs
public final void add(T... keys) {
for (T key : keys) {
//根据虚拟节点个数来计算虚拟节点
for (int i = 0; i < this.replicas; i++) {
//根据函数获取到对应的hash值
int hash = this.hashMethod.hash(i + ":" + key.toString());
this.keys.add(hash);
this.hashMap.put(hash, key);
}
}
//排序，因为是一个环状结构
Collections.sort(this.keys);
}
/**
* 根据对应的key来获取到节点信息
*
* @param key
* @return
*/
public T get(Object key) {
Objects.requireNonNull(key, "key不能为空");
int hash = this.hashMethod.hash(key);
//获取到对应的节点信息
int idx = Utils.search(this.keys.size(), h -> this.keys.get(h) >= hash);
//如果idx == this.keys.size() ，就代表需要取 this.keys.get(0); 因为是环状，所以需要使用 % 来进行处理
return this.hashMap.get(this.keys.get(idx % this.keys.size()));
}
}这里定义了一个函数结构，用于自定计算hash值
@FunctionalInterface
public static interface Hash<T> {
/**
* 计算hash值
*
* @param t
* @return int类型
*/
int hash(T t);
}由于hashcode采用的int类型进行存储，那么就需要考虑，hash是否超过了int最大存储，如果超过了那么存储的数字就是负数，会对获取节点造成影响，所以这里在取hash值时，采用了hashmap中获取到hashcode之后对其进行与操作，可以减少hash冲突，也可以避免负数的产生
public static class Utils {
// int类型的最大数据
static final int HASH_BITS = 0x7fffffff;
/**
* 通过二分查找法，定义数组索引位置
*
* @param len
* @param f
* @return
*/
public static int search(int len, Function<Integer, Boolean> f) {
int i = 0, j = len;
//通过二分查找发来定为索引位置
while (i < j) {
//长度除于2
int h = (i + j) >> 1;
//调用函数，判断当前的索引值是否大于
if (f.apply(h)) {
//向低半段进行遍历
j = h;
} else {
//向高半段进行遍历
i = h + 1;
}
}
return i;
}
/**
* 将返回的hash能够平均的计算在 int类型之间
*
* @param o
* @return
*/
public static int rehash(Object o) {
int h = o.hashCode();
return (h ^ (h >>> 16)) & HASH_BITS;
}
}下面是main方法进行测试，在后面新增了一个节点之后，只会调整 zs 数据到 109 节点，而且其他两个key的获取不会受到影响
public static void main(String[] args) {
ConsistentHash<String> consistentHash = new ConsistentHash<>();
consistentHash.add("192.168.2.106", "192.168.2.107", "192.168.2.108");
Map<String, Object> map = new HashMap<>();
map.put("zs", "192.168.2.108");
map.put("999999", "192.168.2.106");
map.put("233333", "192.168.2.106");
map.forEach((k, v) -> {
String node = consistentHash.get(k);
if (!v.equals(node)) {
throw new IllegalArgumentException("节点获取错误，key：" + k + "，获取到的节点值为：" + node);
}
});
consistentHash.add("192.168.2.109");
map.put("zs", "192.168.2.109");
map.forEach((k, v) -> {
String node = consistentHash.get(k);
if (!v.equals(node)) {
throw new IllegalArgumentException("节点获取错误，key：" + k + "，获取到的节点值为：" + node);
}
});
}
