1.hashCode的计算，字符串hash算法
有很多hash算法，字符串hash需要达到的两个目标就是冲突要少，也就是分散和考虑到每个字符。
参考：字符串hash分析
JDK中使用的累乘因子为31的BKDRHash算法，这是一个经验数字，具有相对比较好的效率和分散。暴雪使用的hash算法主要是针对效率的。
为了尽量发散，使用JDK中HashMap的方法。
public int hash(String str) {
if(str == null)
return 0;
int h = 0;
h ^= str.hashCode();
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
}2.一致性Hash的思想
假如现在是客户需要服务器来服务，但是有多个服务器，需要选择一个，客户hash后得到一个int型的数h，但是现在只有n个服务器，怎么来选择服务器呢？
传统的取余方法是：h%n 得到一个小于n的数，再对应是那一个服务器就行。
但是这样带来一个很严重的问题，扩展性。当需要添加一个服务器时(或者崩溃)，重新计算h%(n+1)，其中有些客户端就需要变更服务器。这将会给系统带来很多不必要的损失。
所以一致性Hash就是为了生存在动态服务器内的。
首先求出服务器的哈希值， 并将其配置到0～2^32的圆上。 然后用同样的方法求出客户端的哈希值，并映射到圆上。 然后从数据映射到的位置开始顺时针查找，第一个服务器服务它。 如果超过2^32找不到服务器，就会保存到第一台服务器上。
使用虚拟节点的思想，为每个服务器在圆上分配100～200个点。这样就能抑制分布不均匀， 最大限度地减小服务器增减时的缓存重新分布。
//C为client客户端，S为service服务器
public class ConsistentHash<C,S> {
//虚拟节点的个数，默认200
private int virtualNum;
private long unit;//移动
//存储服务器的容器
private TreeMap<Integer,S> map = new TreeMap<>();
public ConsistentHash() {
this(200);
}
public ConsistentHash(int virtualNum) {
this.virtualNum = virtualNum;
unit = ((long)(Integer.MAX_VALUE/virtualNum)<<1)-2;
}
//添加服务器结点
public void add(S s){
int hash = hash(s);
//保证分散到Integer的范围内
for (int i = 0; i < virtualNum; i++)
map.put((int)(hash+i*unit), s);
}
//删除服务器结点
public void remove(S s){
int hash = hash(s);
//保证分散到Integer的范围内,先转换为int再转换为Integer
for (int i = 0; i < virtualNum; i++)
map.remove((Integer)(int)(hash+i*unit));
}
//获取服务器
public S get(C c){
if(map.isEmpty())
return null;
int hash = hash(c);
//TreeMap独有的取上和取下方法
//ceiling 和 floor (Math中是ceil)
Entry<Integer,S> entry = map.ceilingEntry(hash);
if(entry == null) //空就代表需要回环了
return map.firstEntry().getValue();
else
return entry.getValue();
}
//再次分散的hash方法
private int hash(Object o) {
if(o == null)
return 0;
int h = 0;
h ^= o.hashCode();
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
}
}