深度对比：Cassandra 与 Redis 的一致性哈希算法设计差异

在分布式系统中，一致性哈希是实现数据分片与节点路由的核心技术，但不同系统的实现细节千差万别。Apache Cassandra 和 Redis Cluster 作为分布式存储领域的代表，虽然都基于一致性哈希思想，却因定位不同（分布式数据库 vs 分布式缓存）演化出截然不同的设计。本文将从哈希模型、节点映射、数据分布、扩展性等维度，深入剖析两者的核心差异与设计哲学。

一、哈希空间与分片粒度：从“连续令牌环”到“离散哈希槽”

一致性哈希的核心是定义“数据-节点”的映射规则，而哈希空间的设计直接决定了分片的灵活性与均衡性。

1. Cassandra：64位连续令牌环，范围分片

Cassandra 采用连续的64位整数哈希空间（[-2^63, 2^63-1]），形成一个环形结构（令牌环）。数据与节点均通过“令牌（Token）”映射到环上的某一点，节点负责连续的令牌范围。

• 哈希函数：默认使用 MurmurHash3 算法对分区键（Partition Key） 计算哈希值，生成64位令牌（如 token("user123")=15623456789）。
• 分片逻辑：节点通过“令牌范围”划分数据，例如节点A负责 [1000, 2000]，所有令牌落在该区间的数据均由A存储。

图示1：Cassandra 令牌环与范围分片

[环形结构]  
令牌范围：-9e18 ←→ ... ←→ 0 ←→ ... ←→ 9e18（环形闭合）  
节点映射：  
- 节点A → 负责 [1000, 2000]  
- 节点B → 负责 [2000, 3000]  
数据映射：  
- Key1（token=1500）→ 节点A  
- Key2（token=2500）→ 节点B  

2. Redis Cluster：16384个离散哈希槽，固定分片

Redis Cluster 采用离散的哈希槽（Hash Slot）模型，将哈希空间划分为固定的16384个槽（0-16383）。数据与节点通过“槽”映射，节点负责离散的槽集合。

• 哈希函数：使用 CRC16 算法对键名（Key） 计算哈希值，再对16384取模（CRC16(Key) % 16384），得到哈希槽（如 槽=5461）。
• 分片逻辑：槽与节点直接绑定，例如节点A负责槽 0-5460，节点B负责 5461-10922，键的槽属于哪个节点，数据就存储在该节点。

图示2：Redis Cluster 哈希槽与离散分片

[线性槽集合]  
槽范围：0 ←→ 1 ←→ ... ←→ 16383（共16384个）  
节点映射：  
- 节点A → 负责 0-5460（5461个槽）  
- 节点B → 负责 5461-10922（5462个槽）  
数据映射：  
- Key1（槽=3000）→ 节点A  
- Key2（槽=6000）→ 节点B  

核心差异1：连续性 vs 离散性