一致性哈希介绍

一致性哈希（Consistent Hashing）是一种**"让节点扩缩容时，尽可能少地迁移数据"的分布式哈希算法。
1997 年由 MIT 的 Karger 等人提出，现在几乎成了分布式缓存、负载均衡、分库分表**的标配。

1. 传统哈希的问题

假设有 N 台缓存节点，用 hash(key) % N 决定数据落在哪台机器。

节点宕机或新增 1 台 → N 变化 → 几乎所有 key 重新映射 → 缓存雪崩，数据库瞬间被打爆。

2. 一致性哈希的核心思想

把哈希空间 想象成一条首尾相接的 2³² 环形轨道 （0 → 2³²-1 → 0）。

步骤：

节点入环：对节点 IP/ID 做 hash，得到其在环上的位置。
数据入环：对 key 做 hash，顺时针找到第一个节点，就是它的归属。
节点增减：只影响环上相邻的一段弧，其余数据原地不动。

3. 虚拟节点（Virtual Nodes）------解决"倾斜"**

真实节点很少时，环上分布不均，易产生"数据扎堆"。

给每台物理节点生成上百个虚拟节点 （如 node1#1、node1#2...），打散在环上，负载方差瞬间下降。

4. 扩缩容示例

初始 3 台节点 A/B/C，key 按顺时针规则落点。
新增节点 D，位于 B→C 之间：
仅把原本归属 C 的**"B→D"**这段 key 迁给 D，剩余 90%+ 数据不动。
节点 B 宕机：
原来 B→C 之间的 key 顺时针滑到 C，其他区间无感知。

5. 代码级直觉（Python 伪代码）

python 复制代码

import hashlib, bisect, collections

ring = []                                      # 有序哈希环
vnode_map = {}                                # 虚拟节点 → 物理节点
VNODE_PER_NODE = 150

def _hash(x):
    return int(hashlib.md5(x.encode()).hexdigest(), 16)

def add_node(node):
    for v in range(VNODE_PER_NODE):
        h = _hash(f"{node}#{v}")
        ring.insert(bisect.bisect_left(ring, h), h)
        vnode_map[h] = node

def get_node(key):
    if not ring: return None
    h = _hash(key)
    pos = bisect.bisect(ring, h) % len(ring)
    return vnode_map[ring[pos]]

增删节点只需 add_node/remove_node，调用端零感知。

6. 一句话总结

一致性哈希 = "把节点和数据放到同一个环上，顺时针找邻居" ，

让节点变化时的数据迁移量从 O(M) 降到 O(M/N) ，

再加虚拟节点解决倾斜，就成为分布式系统里最优雅的数据分片方案。