一致性哈希：让数据分布更“均匀“的魔法算法

618 | 一致性哈希：让数据分布更"均匀"的魔法算法

想象你开了100家快递驿站，要把10万个包裹分到各个驿站。

简单哈希的做法：驿站编号 = hash(包裹ID) % 100

问题是：一旦某个驿站倒闭，需要重新分配所有包裹，数据迁移量巨大！

一致性哈希：巧妙解决这个痛点。

---

一、为什么需要一致性哈希？

普通哈希的问题

假设我们有3台服务器，用普通哈希分配数据：

hash(key) % 3 key1 -> hash("key1") % 3 = 0 -> Server 0 key2 -> hash("key2") % 3 = 1 -> Server 1 key3 -> hash("key3") % 3 = 2 -> Server 2

看起来很均匀。

但是！某天流量暴涨，需要扩容到4台服务器：

hash(key) % 4 key1 -> hash("key1") % 4 = ? // 可能变成2！ key2 -> hash("key2") % 4 = ? // 可能变成0！ key3 -> hash("key3") % 4 = ? // 可能变成1！

几乎所有数据都需要重新映射！<