一致性哈希算法用于分布式缓存系统，如Redis、memcached，以均匀分布数据并降低增删节点时的数据迁移成本。它将环形空间划分为多个区域，每个节点根据IP映射到特定区域。当节点增减时，仅影响相邻区域的数据，降低影响范围。为解决数据不平衡问题，引入虚拟节点机制，增加节点映射数量，确保数据分布均匀。
对于redis、memcached这些分布式缓存系统，需要将数据均匀的分布到缓存服务器集群的不同机器上，就需要使用对缓存的数据的key做hash值计算， 然后在将hash值除以服务器节点的数量取模计算出数据需要落到那台服务器节点上。这种算法很简单，也可以实现数据的均匀分布， 但是，增加或者减少数据节点的时候会导致所有缓存数据失效。
例如，有三台Redis，对于每次的访问都可以通过计算hash来求得hash值。如公式 h=hash(key)%3，我们把Redis编号设置成0,1,2来保存对应hash计算出来的值，h的值等于Redis对应的编号。
例如10条数据，3个节点，如果按照取模的方式，那就是h=hash(key)%4
node a: 0,3,6,9
node b: 1,4,7
node
最低0.47元/天 解锁文章
48万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
