一致性哈希（Consistent Hashing）算法，乍一听大家可能觉得这是高大上的技术名词，但其实它在分布式系统中无疑是个解决大难题的土方法，就像是中国的传统医术在现代仍能医治各种疑难杂症一样。
这个算法自从 1997 年由麻省理工学院的博士生提出后，就在分布式系统中扮演着至关重要的角色。一致性哈希算法在分布式系统中的地位可比咱们生活中的在线记账软件，解决了数据存放位置的大问题。
传统的哈希算法在节点增减时面临着数据重新分配的巨大代价，就像如果你用纸质的账本，每次账目中间有变动（比如，中间有几天忘了记账）时都得整本重写一遍，想想都头疼。而一致性哈希通过精妙地圆环结构使得节点变动只影响邻近的一小部分数据，大大降低了系统维护的复杂度。
说到一致性哈希算法的基本概念，想象我们有一张圆桌，桌面上标着从 0 到 2^32（假设用的是 32 位的哈希函数）的数字，形成一个闭环：
- 每当有个新服务器来了，我们就给它一个或多个哈希值，让它在这张圆桌的某个地方坐下
- 每次我们有数据要存储时，就按照数据的哈希值找到在此值之后的第一个服务器，把数据放在那儿
- 如果这个服务器忙碌了，它会找一个最近的邻居节点来帮助存储数据
- 这样，每当服务器来来去去时，我们只需要重新调整它们附近的数据即可
这个算法的魅力在于，不管你的网络多么巨大，每次添加或删除一个节点，都只涉及到节点旁边的一小部分数据，而不是整个网络。
这就像在一个[]巨大的停车场[]里找车位，即[]便是一个区域[]的停车位满了[]，你也不用担[]心其他地区的[]车位会被迁移[]。
当然，这个算法也有它的缺点。有时候，所有人似乎都想停在同一个车位上，这就造成了负载不均，即哈希环倾斜的情况。
这时，你可能需要一些“虚拟车位”，也即是虚拟节点，让这个停车场的车辆更加均匀地分布。
这种情况我们[]可以这么理解[]：项目中某个[]区域的缓存快[]满了怎么办？[]
那就是加新节点！
为了让缓存数据均匀分布，我们通常会采用哈希后取模的方式来确定数据归属的节点。
而在加减节点的过程中，一致性哈希算法可以保证大多数 key 照旧停留在原有的车位上，而不需要把整个车场的车全部重新停一遍。
评论一下？