为什么负载均衡要使用一致性哈希算法？

关于一致性哈希算法，在知乎上看到一篇比较好的文章:

https://zhuanlan.zhihu.com/p/470163534

在分布式系统中，通常使用一致性哈希（或类似的哈希算法）来分配请求到不同的服务器节点，以实现负载均衡和容错处理。这里的代码片段通过哈希函数来计算一个值，并使用该值对节点列表的长度取模来选择一个目标节点。

### 为什么要哈希之后再取模，而不是直接用 `uid` 取模？

1. **哈希均匀性**:
   - 直接使用 `uid` 取模，可能会导致分布不均匀，尤其是当 `uid` 是连续的或有特定分布特征时。这样可能会导致某些节点负载过重，而其他节点负载较轻。
   - 哈希函数能够将输入映射到一个伪随机的分布，从而在取模后得到一个较为均匀的分布。这有助于更均匀地分配请求到不同的节点，避免集群中某些节点的负载过重。

2. **防止冲突**:
   - `uid` 的分布特性可能会导致某些节点经常被选择到，而其他节点几乎没有流量。例如，如果 `uid` 是连续整数，直接取模可能会使得前几个节点被频繁选择。
   - 使用哈希函数能打乱这种有序性，减少冲突，提高负载均衡的效果。

3. **灵活性和扩展性**:
   - 当系统扩展或减少节点时，直接用 `uid` 取模可能会导致大规模的数据重新分布。而使用哈希值取模可以更好地控制节点扩展时的数据迁移量，因为哈希值分布相对均匀，节点数量变化时只需要迁移较小部分数据。

4. **安全性**:
   - 在某些情况下，哈希函数可以作为一种简单的安全措施。如果 `uid` 是可预测的，直接取模可能会让系统变得易受攻击。而通过哈希后再取模，能在一定程度上增加安全性，防止恶意用户利用 `uid` 的分布特性对系统进行攻击。

### 总结

通过对 `uid` 进行哈希处理，能够打破输入值的原始分布特征，从而获得更加均匀和随机的分布效果。这不仅有助于实现更好的负载均衡和容错性，还能提高系统的灵活性和安全性。因此，在分布式系统中，经常会先进行哈希计算，再对结果取模来选择节点。