分布式Session共享
使用Tair（key-value）存储session（其他：使用memcached存储session）
高并发下分布式问题
透明处理存储介质的故障转移
动态增删节点，减小“缓存颠簸”问题
保证数据在各个节点的分布均衡
Session 序列化和反序列化
BASE 策略
Eric A. Brewer 在 1988 年提出的 BASE 策略，即 Basically Available、Soft state、和Eventually consistent。
互联网大多数应用更强调可用性，即牺牲高一致性，获得可用性或可靠性。
Hash取模算法
基于 memcache 的 Hash取模算法（hash() mod n，hash() 取用户ID，n为节点数） 实现的分布式 Session 方案，就属于基本可用：
第一，如果节点发生故障，该节点上的所有用户 Session 丢失，系统无法自恢复。
第二，如果系统压力突然增大，需要临时增加机器节点。按照 Hash取模的算法，在增加机器节点的这一时刻，大量缓存无法命中（其实还都存在之前的节点上），导致大范围的缓存穿透，压力会直接打到数据库上。
第三，根据 LRU 缓存失效算法，memcache 里存储的 key/value 有可能被踢出，用户 Session 容易丢失。
一致性哈希算法
【基于一致性哈希算法的 memcache 解决方案 】
1）一致性哈希帮我们解决的是，当机器节点减少时，缓存数据能进行最少重建。
2）还能解决 Session 数据的分布均衡问题。
3）当机器节点宕机，这部分数据必然丢失。由于节点数目变化，有可能对部分没有丢失的数据也要重建。
但上面的方案都解决不了“一个节点失败后，它所存储的 Session 如何由其他节点获取以便接替失效节点，实现集群的容错（Failover）”。
ZooKeeper 集群
【基于 ZooKeeper 集群的分布式 Session 方案】【http://my.oschina.net/mn1127/blog/210282】
要解决基于 memcache 方案的数据丢失问题，可以引入持久化存储介质 ZooKeeper（下面简称 ZK）。
依托于 ZK 的一致性复制（在多个副本间保证数据的强一致性）和容错能力，结合上面的 MSM 思想，
由 ZK 负责 session 数据的存储，而我们自己实现的 session manager 将负责 session 生命周期的管理。
