[缓存中间件] 缓存分片策略

在使用分布式缓存的时候，可以将数据分区保存在不同节点上，以扩大存储能力。

另外一种思想是不同节点备份相同数据，以提高读响应速度（如redis主从模型）。

以下是集中分片策略（算法）

1.range Based算法

按照关键值将数据划分到不同区间，每个缓存节点保存一个区间内的数据，需要保证关键值的连续性和分布均匀。

2.哈希算法

range based算法的改进，将数据的key或其他关键值进行哈希计算之后取模，每个节点分别保存一个区间内的数据。

其优势在于简单，劣势在于难以增加新的节点（意味者需要对旧节点进行变动）。

3.一致性哈希算法

将数据映射到首位相接的哈希环上（依然采取取模的办法）。

将服务其计算哈希值映射到哈希环上。

将数据按照key或其他关键值哈希计算取模，保存到顺时针方向最接近的服务器上。

若有新的服务器节点加入，只会影响新节点顺时针方向第一个节点，需要进行数据的迁移。

其优点在于：

平衡性，即结果会被尽可能分布地存放到所有缓冲当中（这取决于哈希算法的性质）。

单调性，有新的缓冲区（节点）加入时，尽量保证原有数据的位置不改变（不会被映射到其他缓冲区）。

其缺点在于：

分散性，当终端希望控制哈希过程将不同内容映射到相同缓冲上时，往往难以达到目的（因为哈希算法的随机性）。

负载，即不同终端可能将相同内容映射到不同的缓冲区，导致浪费缓存空间。