假如你有一個網站，需要用 redis 儲存圖片，圖片名為 key，圖片地址為 value，此時你有4臺 Redis 伺服器來存這些圖片。

使用者要訪問 flowers.png 的圖片，但不知道 flowers.png 的地址在4臺中的哪一臺，如果是去遍歷肯定不科學，這裡就需要用到分散式 hash 演演算法（Distributed Hash）

將圖片的名稱轉成 hash 值，再通過取模得到的值找到 Redis 伺服器。

redis 伺服器號 = hash(檔名) % 伺服器臺數
複製程式碼

通過計算，可以直接去 Readis 1 號伺服器找到 flowers.png 圖片地址了。

假如此時 Readis 1

假如增加一個伺服器 Readis 4，同樣會對儲存的所有資料進行重新計算分配。

由此可以得出結論服務數量變化會導致：1）定位伺服器的計算方式失效。2）儲存的所有資料需要重新計算分配。

用 Hash 一致性演演算法來解決這個問題。

Hash 一致性演演算法（Consistent Hasing）

不再將伺服器編號，而是將伺服器資訊生成一個角度（0~2π），將伺服器定位到一個圓形上。由於伺服器較少，可以將伺服器虛擬幾個節點出來，讓圓上的分佈更均勻，RedisA

如上圖 flowers.png 計算出位於小黑點的位置，那麼按順時針方向就可以找到 RedisA4。

假如 RedisA 舵機了，此時 flowers.png 的指向將順移到下個節點 RedisC2,所以 flowers.png 的位置計算方式不會失效，而且只需要重新計算分配與 RedisA 順時針關聯的第一個節點，其他節點保持不變。

假如新增一個 RedisE 呢？與RedisA 舵機相似，flowers.png 的位置不變，指向順時針離它最近的節點，也就是說新增節點只會與它順時針關聯的第一個節點重新計算分配，其他節點保持不變。

Reference

• A Guide to Consistent Hashing
• 面試必備：什麼是一致性Hash演演算法？
• Consistent Hashing: Algorithmic Tradeoffs