1.分布式存储算法
1.1 哈希取余算法
2亿条记录即2亿个k,v，单机无法满足数据存储，需要集群。假设集群由3台机器组成，用户每次读写操作都是根据公式(hash(key)%n 台机器数)，通过计算出哈希取余值，来决定数据存储到哪个节点上，或者到那个节点取数据。
优点：简单并且有效，只需要提前预估数据量，规划数据节点数量，比如3、8、10台机器。使用哈希取余算法可以让固定的有i部分请求落到同一台服务器上，这样每台服务器固定处理一部分请求(并维护这些请求信息)，起到负载聚恒+分而治之的作用。
缺点：如果对预先规划好的节点，进行扩容或者缩容，数据与服务器映射关系需要重新计算， 哈希取余公式会发生变化：hash(key)%3变成hash(key)%?。此时地址经过取余运算的结果发生变化，根据此公式获取的服务器地址也会发生变化。例如某台redis服务器宕机，由于服务器数量发生变化，会导致hash取余数据发生变化。
1.2 一致性哈希算法
背景：一致性哈希算法在1997年由麻省理工学院提出的，设计目标是为了解决分布式缓存数据变动和映射问题。例如某台机器宕机了，分母数量改变，取余算法就会发生变化。此算法就是为了解决当服务器数量发生变动时，尽量减少影响客户端到服务器的映射关系。
分为三大步骤
（1）算法构建一致性哈希环
一致性哈希环：一致性哈希算法必然有个hash函数并按照算法产生hash值，这个算法的所有可能哈希值会构成一个全量集，这个集合可以成为一个hash空间[0， 2^32-1]，这是一个线性空间，但是在算法中，我们通过适当的逻辑控制将它首位相连（0=2^32），这样让它逻辑上形成了一个环形空间。
它也是按照使用哈希取余算法，哈希取余算法是对节点(服务器)的数量进行取模。而一致性hash算法是对2^32取模。简单来说，一致性哈希算法将整个哈希值空间组织成一个虚拟的圆环。假设某hash函数H的值空间为0~2^32-1（即哈希值是一个32为无符号整型），整个哈希环：整个空间按顺时针方向组织，圆环的正上方的点代表0，0点右侧的第一个点代表1，依次类推，2、3、4......直到2^32-1,也就是说0点左侧的第一个点代表2^32-1，0和2^32-1在零点钟方向重合，我们把这个由2^32个点组成的圆环成为Hash环
（2）服务器IP节点映射
节点映射：将集群中各个服务器IP节点映射到换上的某一个位置。
将各个服务器取hash值，具体可以选择服务器的IP或者主机名作为关键字进行hash。这样每台机器就能确定其在哈希环上的位置。假如4个节点分别为NodeA、B、C、D，经过IP地址的哈希函数计算(hash(IP))，使用IP地址哈希后在哈希环中就有了自己的位置。
（3）Key落到服务器的落键规则
当我们需要存储一个kv键值对时，首先计算key的hash值，即hash(key)，将这个key使用相同的函数hash计算出哈希值并确定此数据在环上的位置。从此位置沿着环顺时针“行走”，第一台遇到的服务器就是其应该定位到的服务器，并将该键值对存储在该节点上。
如果我们有Object A、Object B、Object C、Object D四个数据对象，经过哈希计算后，在环空间的位置如下：根据一致性Hash算法，数据A会被定为到Node A上，数据B会被定为到Node B上，数据C会被定为到Node C上，数据D会被定为到Node D上
优点：解决了哈希取余算法的容错性和扩展性问题
容错性：假设Node C宕机，可以看到此时对象A、B、C、D不会受到影响，只有C对象被重定位到Node D。一般在一致性Hash算法中，如果一台服务器不可用，则受影响的数据仅仅是此服务器到其环空间中钱一台服务器(即沿着逆时针方向行走，遇到的第一台服务器)之间数据，其他不会受到影响。简单说，C挂掉，收i到影响的只是B、C之间的数据，并且这些数据会转移到D进行存储。
扩展性：如果数据量增加了，需要增加一台节点NodeX，X的位置在A和B之间，那受到影响的也就是A到X之间的数据，重新把A到X的数据记录到X上接口，不会导致Hash取余全部数据重新洗牌
缺点：一致性哈希算法的数据倾斜问题
Hash环的数据倾斜问题：一致性hash算法在服务节点太少时，容易因为节点分布不均匀而造成数据倾斜(被缓存的对象大部分集中缓在某一台服务器上)的问题，例如系统中只有两台服务器：
总结：为了在节点数目发生改变时尽可能烧的迁移数据，将所有的存储节点排列在首位相接的hash环上，每个Key在计算hash后会顺时针找到临近的存储节点存放。而当有节点加入或者推出时仅仅影响该节点在hash环上顺时针相邻的后续节点。优点：加入和删除节点只影响哈希环中顺时针方向的相邻的节点，对其他节点无影响。缺点：数据的分布和节点位置有关，因为这些节点不是均匀分布在哈希环上的，所以数据在进行存储时到不到均匀分布的效果
1.3 哈希槽分区算法
由于一致性哈希算法的数据倾斜问题，继而出现了哈希槽分区算法。哈希槽实质就是一个数组，数组[0, 2^32-1]形成 hash slot空间，解决了数据均匀分配的问题，即在数据和节点之间又加入了一层，把这层成为哈希槽，用户管理数据和节点之间的关系，现在就相当于节点上放的是槽，槽里放的是数据。
槽解决的是粒度问题，相当于把粒度变大了，这样便于数据移动。哈希解决的是映射问题，使用key的哈希值来计算所在的槽，便于数据分配。
一个集群只能由16384个槽，编号0-16383(0~2^14-1)。这些槽会分配给集群中的所有主节点，分配策略没有要求。可以指定哪些编号的槽分配给那个主节点。集群会记录节点和槽的对应关系。解决了节点和槽的关系后，接下来就需要对key求hash值，然后对16384取余，余数是几，key就落入对应的槽里。slot = CRC6（key）%16384。以槽为单位移动数据，因为槽的数据是固定的，处理起来比较容易，这样数据移动问题就解决了。
为什么redis集群的最大槽数是16384个？
redis集群并没有使用一致性hash，而是引入了哈希槽的概念。Redis集群有16384个哈希槽，每个key通过CRC16校验后，对16384取模来决定放到哪个槽，集群的每个节点负责一部分hash槽。但为什么哈希槽的数量是16384(2^14)个呢？这是由于CRC16算法产生的hash值由16bit，该算法可以产生2^16=65536个值。换句话说值是分布在0-65535之间。那作者在做mod运算时，为什么不mod65536，而选择了mod16384？
说明：
正常的心跳数据包带有节点的完整配置，可以用幂等方式用旧的节点替换旧节点，以便更新旧的配置。这意味着它们包含原始节点的插槽配置，该节点使用2k的空间和16k的插槽，但是会使用8k的空间（使用65k的插槽）。同时，由于其他设计折衷，Redis集群不太可能扩展到1000个以上的主节点。因此16K处于正确的范围内，以确保每个主机具有足够的插槽，最多可容纳1000个矩阵，但数量足够烧，可以轻松的将插槽配置作为原始位图传播。请注意，在小型集群中，位图将难以压缩，因为当N较小时，位图将设置的slot/N位占设置位的很大百分比。
（1）如果槽位为65536，发送心跳信息的消息头达8K，发送的心跳包过于庞大。在消息头中最占空间的是myslots[CLUSTER_SLOTS/8]。当槽位为65536时，这块的大小是：65536/8/1024=8kb。因为每秒钟，redis节点需要发送一定数量的ping消息作为心跳包，如果槽位为65536，这个ping消息的消息头太大了，浪费带宽。
（2）redis集群主节点数量基本不可能超过1000个。
集群节点越多，心跳包的消息体内携带的数据越多。如果节点超过1000个，也会导致网络拥堵。因此redis作者不建议redis cluster节点数量超过1000个。那么，对于节点数在1000以内的redis cluster集群，16384个槽位就够用了。没必要拓展到65536个。
（3）槽位越小，节点少的情况下，压缩比高，容易传输
Redis主节点的配置信息中，它所负责的哈希槽是通过一张bitmap的形式来保存的，在传输过程中，会对bitmap进行压缩，但是如果bitmap的填充率slots/N很高的话(N代表节点数)，bitmap的压缩率就很低。如果节点数很少，而哈希槽数量很多的话，bitmap的压缩率就很低。
哈希槽计算
Redis集群中内置了16384个哈希槽，redis会根据节点数量大致均等的将哈希槽映射到不同的节点。当需要在redis集群中防止一个key-value时，redis先对key使用CRC16算法算出一个结果，然后把结果对16384求余数，这样每个key都会对应一个编号在0-16383之间的哈希槽，也就是映射到莫格节点上。如下代码，key值A、B在Node2,key值C落在Node3节点上。
