memcached的分布式是什么意思？
下面假设memcached服务器有node1～node3三台，应用程序要保存键名为”tokyo”、”kanagawa”、”chiba”、”saitama”、”gunma”的数据。


首先向memcached中添加“tokyo”。将“tokyo”传给客户端程序库后，客户端实现的算法就会根据”键”来决定保存数据的memcached服务器。服务器选定后，即命令它保存”tokyo”及其值。






同样，”kanagawa”、”chiba”、”saitama”、”gunma”都是先选择服务器再保存。接下来获取保存的数据。获取时也要将要获取的键”tokyo”传递给函数库。函数库通过与数据保存时相同的算法，根据“键”选择服务器。使用的算法相同，就能选中与保存时相同的服务器，然后发送get命令。只要数据没有因为某些原因被删除，就能获得保存的值。





这样，将不同的键保存到不同的服务器上，就实现了memcached的分布式。memcached服务器增多后，键就会分散，即使一台memcached服务器发生故障无法连接，也不会影响其他的缓存，系统依然能继续运行。


根据余数计算分散
Memcached的分布式方法简单来说，就是“根据服务器台数的余数进行分散”。求得键的整数哈希值，再除以服务器台数，根据其余数来选择服务器。
余数计算的方法简单，数据的分散性也相当优秀，但也有其缺点。那就是当添加或移除服务器时，缓存重组的代价相当巨大。添加服务器后，余数就会产生巨变，这样就无法获取与保存时相同的服务器，从而影响缓存的命中率。


一致性hash(Consistent Hashing)
一致性hash(Consistent Hashing)如下所示：首先求出memcached服务器（节点）的哈希值，并将其配置到0～232的圆（continuum）上。然后用同样的方法求出存储数据的键的哈希值，并映射到圆上。然后从数据映射到的位置开始顺时针查找，将数据保存到找到的第一个服务器上。如果超过232仍然找不到服务器，就会保存到第一台memcached服务器上。




从上图的状态中添加一台memcached服务器。余数分布式算法由于保存键的服务器会发生巨大变化而影响缓存的命中率，但一致性hash(Consistent Hashing)中，只有在continuum上增加服务器的地点逆时针方向的第一台服务器上的键会受到影响。






因此，一致性hash(Consistent Hashing)最大限度地抑制了键的重新分布。而且，有的一致性hash(Consistent Hashing)的实现方法还采用了虚拟节点的思想。使用一般的hash函数的话，服务器的映射地点的分布非常不均匀。因此，使用虚拟节点的思想，为每个物理节点（服务器）在continuum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。
通过下文中介绍的使用一致性hash(Consistent Hashing)算法的memcached客户端函数库进行测试的结果是，由服务器台数（n）和增加的服务器台数（m）计算增加服务器后的命中率计算公式如下：(1 n/(n+m)) * 100

只要别人不是你肚子里的蛔虫,他就不会清楚的知道你的想法,同样你也不可能完全知道别人的想法,这时候,沟通和达成共识就很重要了,有时候一件事情的对错的后果不会立刻呈现出来,如果在公司里面大家的想法不能朝一个方向去,那么这样的公司还能开多久?坚持一致的方向很重要,如果你在开始执行的时候发现了错误要在第一时间提出来,并与上级达成一致,如果实在不能认同也要尊重上级的决定,并且按照他的意思执行,因为他不是傻子他也会想问题,他的任务是做决策,如果他一再坚持,那么说明他在这个事情上已经想清楚了,而你只是站在你的角度考虑问题,你如果能站在他的角度去考虑问题说不定也和他做同样的决定.
    同样,如果你自己开公司也会碰到同样的问题,你的下属认为你在某件事情的时候欠妥当,向你提出来的时候你却依然坚持,那么这个时候应该是你已经对这个事情想得比较清楚了,那么你会觉得你得下属会怎么想,有可能你会和他说我是这样这样想的,所以才会做出这样的决定,但是你难道不认为应该花更多的时间在做决策上面吗?因为你的下属是执行者!!而你是决策人,大家分工不一样,要不然你开公司干什么,一个人全干了不就可以了?
    在达成一致以后就不应该再有情绪,按照一致的意见去执行,哪怕这个决定是错误的(当然这是在你看来是错误的),其实这时候也是一个积累经验的好机会,执行后得到的结果可以作为自己开公司的铺路石(如果是不好的结果,那么下次同样的情况下就要小心一点了,如果是好的结果,那么自己就知道原来这样错误的方法也是行得通的) 

认知能力的边界决定了信息的利用效率，而结构或者制度决定了信息的传播效率。所以，判断一个区块链的社群是否有价值，信息的维度是第一个判断标准。
我们看到新古典经济学中对信息的假设是认为市场信息是完全对称透明的，而事实上这个假设并不成立。信息不仅是不对称的，而且信息的价值对每个个体来说也是不一致的。
我们看到信息所形成的网络中，信息的价值和价格有着非常有趣的内在关联：
第一，有价值信息的生产成本实际上是很高的，但是传播成本是很低的。
第二，信息的定价应该取决于信息的价值，而非信息的成本。这是我们理解互联网商业或者区块链的商业模式的基本出发点，因此通过网络中流动的信息的价值来判断区块链网络的价值是最基本的一个出发点。
从网络价值角度来思考。
我们知道区块链技术作为互联网基本协议的革命和升级，网络经济学的研究是必不可少的。
实际上，我们从更广义的社会网络来看的话，2005年获得诺贝尔经济学奖的阿西莫格鲁就是讲授“社会网络科学”的大师。
我们研究区块链经济学，一定要从网络的角度来看，将个体放在群体（社群）之内来研究，了解网络结构对个体行为的影响而不是把单个个体隔离开来。因此，区块链的技术的价值，需要对网络进行研究，事更准确的说，是对网络经济学中的量化异质的效用进行研究。由于网络经济学的研究的基础是对网络经济的内生复杂性进行研究，我们看到跟传统经济学中对效用的追求不一致，而是对复杂性效用（异质效用）进行研究。简单的解释，传统经济学中的效用是针对选择的结果的，而异质效用则是针对过程的。对于网络中每个个体来说，效用的概念是针对非个性化的需求，而异质效用针对的是个性化需求。
因此，区块链网络是否能够为每个个体的个性化需求提供足够满意的效用，是衡量区块链价值的重要依据。

memcached的分布式是什么意思？

下面假设memcached服务器有node1～node3三台，应用程序要保存键名为”tokyo”、”kanagawa”、”chiba”、”saitama”、”gunma”的数据。




首先向memcached中添加“tokyo”。将“tokyo”传给客户端程序库后，客户端实现的算法就会根据”键”来决定保存数据的memcached服务器。服务器选定后，即命令它保存”tokyo”及其值。









同样，”kanagawa”、”chiba”、”saitama”、”gunma”都是先选择服务器再保存。接下来获取保存的数据。获取时也要将要获取的键”tokyo”传递给函数库。函数库通过与数据保存时相同的算法，根据“键”选择服务器。使用的算法相同，就能选中与保存时相同的服务器，然后发送get命令。只要数据没有因为某些原因被删除，就能获得保存的值。










这样，将不同的键保存到不同的服务器上，就实现了memcached的分布式。memcached服务器增多后，键就会分散，即使一台memcached服务器发生故障无法连接，也不会影响其他的缓存，系统依然能继续运行。



根据余数计算分散

Memcached的分布式方法简单来说，就是“根据服务器台数的余数进行分散”。求得键的整数哈希值，再除以服务器台数，根据其余数来选择服务器。

余数计算的方法简单，数据的分散性也相当优秀，但也有其缺点。那就是当添加或移除服务器时，缓存重组的代价相当巨大。添加服务器后，余数就会产生巨变，这样就无法获取与保存时相同的服务器，从而影响缓存的命中率。



一致性hash(Consistent Hashing)

一致性hash(Consistent Hashing)如下所示：首先求出memcached服务器（节点）的哈希值，并将其配置到0～232的圆（continuum）上。然后用同样的方法求出存储数据的键的哈希值，并映射到圆上。然后从数据映射到的位置开始顺时针查找，将数据保存到找到的第一个服务器上。如果超过232仍然找不到服务器，就会保存到第一台memcached服务器上。






从上图的状态中添加一台memcached服务器。余数分布式算法由于保存键的服务器会发生巨大变化而影响缓存的命中率，但一致性hash(Consistent Hashing)中，只有在continuum上增加服务器的地点逆时针方向的第一台服务器上的键会受到影响。










因此，一致性hash(Consistent Hashing)最大限度地抑制了键的重新分布。而且，有的一致性hash(Consistent Hashing)的实现方法还采用了虚拟节点的思想。使用一般的hash函数的话，服务器的映射地点的分布非常不均匀。因此，使用虚拟节点的思想，为每个物理节点（服务器）在continuum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。

通过下文中介绍的使用一致性hash(Consistent Hashing)算法的memcached客户端函数库进行测试的结果是，由服务器台数（n）和增加的服务器台数（m）计算增加服务器后的命中率计算公式如下：(1 n/(n+m)) * 100