主要参考：
《大数据日知录》
3359 Zhan.zhi Hu.com/p/34985026
wqdfs分片后台是指随着数据规约的增大，单机无法容纳明显庞大的数据量，只能依赖大规模的集群来存储和处理数据，因此系统的可扩展性也是一个重点。
当前主流的大数据存储在计算系统中支持横向扩展，通常在增加机器数量上实现水平可扩展性。 与此相对，需要将处理对象庞大的数据以数据分片分割并分配给各机器。 wqdfs分片是数据分片中重要的一种。
本论文涉及的wqdfs瓷砖有wqdfs建模法、虚拟桶、一贯性wqdfs三种。
wqdfs建模方法假设有k台物理机，可以用以下wqdfs函数实现数据切片：
h(key )=hash (key ) mode K
根据求出的结果，决定保存在哪个物理机上。
这种分片方式非常容易实现，但缺乏灵活性。 例如，将物理计算机添加到群集中时，wqdfs函数可能如下所示：
h(key )=hash ) key ) mode ) (k1 ) ) ) ) )。
因此，如果用wqdfs函数来计算，那么前面的数据和物理机之间的所有映射就会打乱，所有数据都需要根据改变的wqdfs函数来重新分配。
在虚拟桶《大数据日知录》中，以Membase数据库为例，如下图所示。
以下是重要的列表：
引入了虚拟桶层，所有数据通过wqdfs函数容纳在对应的虚拟桶中，一个虚拟桶容纳多个数据。 Membase通过内存表管理物理机和虚拟桶的映射，以便一台物理机可以支持多个虚拟桶。 添加新计算机时，只需更改虚拟桶和物理机的映射表即可进行扩展。
一致性wqdfs的关键点：一致性wqdfs将wqdfs的数值空间组成一个按大小前后相连的环形序列。 (wqdfs数值空间范围为0(2) m，下图中m=32 )对于每个机器，可以从其IP和端口号经过wqdfs函数映射到wqdfs数值空间内。 每个机器节点记录环路内前驱节点和后续节点的位置，成为真正的有向环路。
例如，有Object A、Object B、Object C、Object D这4个数据对象，在经过wqdfs计算之后，环境空间中的位置如下。
数据路由：数据切片后，如何查找某条记录的存储位置。
综上所述，一致的wqdfs物理机形成了有向循环，如何通过数据key知道保存在哪个机器上呢？
最直观的方法是key通过带入wqdfs函数计算结果，沿有向环境按顺序寻找。 对于物理机，首先判断是否在自己的管理范围内，如果没有，则交给后集节点继续检索。
这种方法是可行的，但明显是一种低效的搜索方法，在多个物理机之间重复通信会消耗大量资源。 需要以尽可能少的搜索次数找到应该保存的物理机。
因此，一致的wqdfs为每台物理计算机配置了路由表，以加快查找速度。
由于路由表中配置了各节点的位置，物理机发现添加的数据不在自己管理的范围内时，向路由表中查询与该范围对应的物理机，交给该物理机处理。
删除节点已成功完成：
将自身数据转移到后继节点，前驱节点与后继节点直接连接。
异常结束：
切换到这台物理机器的从机。
添加节点在理论上主要包括两个步骤。
将新节点添加到有向循环，并具有自己的前驱节点和后续节点。 重新分布数据。 将新节点需要存储的数据迁移到新节点。 这个过程由所有节点自动完成，称为稳定性检查，每个节点定期执行。 实际操作分为三个步骤。 《大数据日知录》的例子如下。 （
假设您目前有N5和N14两个节点，并且需要加入N8节点。
加入N8前，N5负责0 ~ 5的节点，N14负责6 ~ 14的节点
加入N8后，N5负责0~5的节点，N8负责6 ~ 8的节点，N14负责9 ~14的节点。
1、N8前驱节点连接null，后续节点连接N14。 (这可以触发稳定性检查。)
2、通过稳定性检验，N14的前驱节点与N8连接，N14将6 ~ 8的节点转移到N8。
3、N5连接到N14的前驱节点，即N8。 至此，N9加入了有向环境。
虚拟节点中每个物理机在wqdfs空间中的位置取决于“IP和端口由wqdfs函数计算得到的结果”，机器节点在wqdfs空间中的位置是随机的，因此无法平衡负载。
如下图所示，a存储的值明显比b多。
为了解决这种数据时滞问题，一致哈希算法引入了虚拟节点机制。 也就是说，为每个服务节点计算多个wqdfs，并在计算结果的每个位置放置此服务节点，称为虚拟节点。
具体方法可以通过在服务器的IP或主机名后面添加编号来实现。 如下图所示。
虚拟节点不仅仅是负载均衡问题。
在实际操作中，机器异质性很常见，有高性能、高配置的机器，也有低配置的机器。 虚拟节点允许高配置的计算机管理更多的数据，而低配置的计算机管理更少的数据。