引入
我们该访问谁？
当我们的本地缓存不存在Key时，需要到其他peer节点查找，那么应该去哪个节点呢？
假设我们随机选择，这样选到正确节点的概率是1/N(N为节点个数)，我们大概率选择不到正确的节点，则导致我们大概率要访问数据库，这样的开销很大；
是否存在一种方法，对于相同的Key，我们每次定位到相同的节点？
哈希算法可以！对Key使用哈希算法，比如，我们可以简单的自定义这样的哈希算法：把每个字符的和相加对N取模；这样就解决了我该访问谁的问题！
N发生变化怎么办？
如果N减少变为N-1,那么会发生什么？之前我们映射的Key,再次对N取模后，就无法访问到正确的节点了。如何解决这个问题呢？
一致性哈希可以！
一致性哈希算法是把节点映射到一个1~(1^32 - 1)的环上，我们对每个Key的哈希值顺时针在环上找到离它最近的节点，这种情况下，当有新增节点或减少节点时，只会影响该节点附近的节点；通过环+找离自己最近的节点，我们就解决了节点个数发生变化时哈希值取模后映射失败的问题。
但是，我们很快会发现，如果节点个数较少的情况下，部分节点会覆盖很大空间的Key，这样每个节点的负载是不均衡的，这个问题又该如何解决呢？
如何实现负载均衡？
为了解决节点个数少的问题，我们引入虚拟节点的概念，所谓虚拟节点，就是这个节点本身不存储Key,而是某个实体节点的”替身“，当我们选择到该节点时，我们实际应该访问的是它的”本体“，我们对每个实体节点，随机在环上散列一定数量的虚拟节点，这样就可以实现节点的负载均衡！
源码解析consistenthash.go
结构体Map
type Map struct {
hash Hash
replicas int // The number of virtual nodes for every key
keys []int // Sorted
hashMap map[int]string
}
crc32.ChecksumIEEE初始化方法
func New(replicas int, fn Hash) *Map {
m := &Map{
replicas: replicas,
hash: fn,
hashMap: make(map[int]string),
}
if m.hash == nil {
m.hash = crc32.ChecksumIEEE
}
return m
}
Add(keys ...string)参数是keys，...是golang的语法糖，表示不确定数量的参数，或者可以打散Slice；
for _, key := range keys {
for i := 0; i < m.replicas; i++ {
hash := int(m.hash([]byte(strconv.Itoa(i) + key)))
m.keys = append(m.keys, hash)
m.hashMap[hash] = key
}
}
sort.Ints(m.keys)
对每一个加入的新节点key，我们在环上生成replicas个虚拟节点（注意这里key本事的哈希值不加入环中作为一个node），生成方法是调用哈希函数hash；然后把它们全部加入keys；记得我们要把这个虚拟节点映射的实体节点key；最后对节点列表排序；
Get(key string) string包含一个参数key，计算该key的哈希值，然后找到离它最近的虚拟节点，返回该虚拟节点的实体key。
if hash1.Get("0Bill") != hash2.Get("0Bill") ||
hash1.Get("0Bob") != hash2.Get("0Bob") ||
hash1.Get("0Bonny") != hash2.Get("0Bonny") {
t.Errorf("Direct matches should always return the same entry")
}