一致性hash算法

一致性hash算法（数据均匀分布到各个节点上）

• 普通hash算法的缺点：普通的hash算法将key的hash值对redis实例的个数进行取模，来定位到redis，这样会有一些问题，比如redis实例增加，这个计算公式就会变，于是要将之前存储的key重新hash一遍，这样代价是比较高的。

• 一致性hash算法也是使用取模的方法，不过不是对服务器数量取模，而是对2的32次方取模，hash函数的值空间为0~2的32次方-1，将整个hash值空间看成一个虚拟的圆环。将每台服务器（ip地址）都hash到hash环的一个位置上。要添加key时，将key对2的32次方取模，确定在环上的位置，沿着环顺时针查找，遇到的第一个服务器就是要定位到的服务器。假如有一台服务器宕机了，只会影响这台服务器和它前面一台服务器中之间的数据，将这些数据重新进行定位即可。如果新增一台服务器，也只需要重新定位一小部分数据，一致性hash算法具有很好的扩展性和容错性。

• 一致性hash算法的问题：数据倾斜问题。假设服务器在hash环上分布不均匀，就会导致大部分的数据定位到一台服务器上。

• 解决：为了解决数据倾斜问题，引入了虚拟节点机制，对每一个服务器节点计算多个hash，每个计算结果的位置都放置一个此服务节点，称为虚拟节点。这样在服务器节点很少的情况下，也能做到数据的平均分布。

redis没有使用一致性hash算法，而是采用的自己的哈希槽计算方式

• 原因：Redis的作者认为对key使用crc16算法，再将结果对16384进行取模（crc16(key) mod 16384 ）效果已经可以了，而且实现很简单，对节点进行增加和删除时也很方便。比如有A、B、C三个节点，想添加一个D节点，只需要将一些哈希槽从A、B、C移到D即可。对于ABC三个节点，如果想删除A节点，只需要将A中的哈希槽移到B和C即可。