一致性Hash演算法應用場景 請求的負載均衡：比如Nginx的ip_hash策略，通過對IP的Hash值來額定將請求轉發到哪臺Tomcat 分散式儲存：比如分散式叢集架構Redis、Hadoop、ElasticSearch、Mysql分庫分表，資料存入哪臺伺服器，就可以通過Hash演算法來確定 普通Hash演算法存在的問題 如果伺服器減少或者增多，所有客戶端都需要進行重新Hash，然後進行分配。 一致性Hash演算法 一條直線上有0到2^32-1，這些正整數。然後我們將其頭尾相接，變成一個圓環形成閉環（Hash環） 我們以Nginx的ip_hash分發請求為例說明一致性Hash演算法： 對伺服器的IP進行hash演算法，獲取Hash值，然後放到Hash閉環對應位置上； 通過對客戶端的IP進行Hash演算法獲取Hash值，然後順時針查詢距離該Hash最近的伺服器，並將請求轉發到該伺服器。 這樣的話伺服器進行擴充套件或者縮減後，比如縮減了一臺伺服器3，那麼伺服器3和伺服器2之間的請求會被轉發到伺服器4上，而其他的請求不會受到影響，這就是一致性Hash的好處，將影響程度減小。 PS：這種方式有一個問題

假如就兩臺伺服器，通過Hash演算法後位置如下： 伺服器1-伺服器2之間的客戶端請求都轉發到了伺服器2上，然而其他大量請求都轉發到了伺服器1上，這就導致伺服器1壓力過大，這種問題叫做資料傾斜問題。 資料傾斜問題解決 一致性Hash演算法引入了虛擬節點機制 具體做法是在伺服器IP或者主機名後面增加編號來實現。比如可以為每臺伺服器計算是哪個虛擬節點，於是可以分別計算“伺服器1IP#1，伺服器2IP#2，伺服器1IP#3，伺服器2IP#1，伺服器2IP#2，伺服器2IP#3”的雜湊值，於是形成了6個虛擬節點，如下圖 這樣的話客戶端經過Hash演算法後就會被更加均勻的分佈在Hash閉環上，請求也會被更加均勻的分發在各個伺服器上，從而解決了資料傾斜問題 劈天造陸，開闢屬於自己的天地！！！與君共勉