什么是一致性哈希？为什么要引入虚拟节点？

简化版

一致性哈希是一种分布式映射算法，把节点和数据 key 都映射到同一个哈希环上，key 顺时针找到的第一个节点就是它的归属节点。相比普通取模，节点扩容或下线时只会影响环上相邻一小段数据，减少缓存失效和数据迁移。虚拟节点用于让数据分布更均匀，避免少量真实节点造成倾斜。

详细版

普通取模 hash(key) % N 的问题是 N 一变，大量 key 的结果都会变化。比如缓存从 3 台扩到 4 台，绝大多数 key 都会重新映射，导致缓存雪崩式失效。

一致性哈希的做法：

把哈希空间看成一个环，比如 0 到 2^32-1。
每个服务节点通过 hash 映射到环上。
每个数据 key 也 hash 到环上。
key 顺时针遇到的第一个节点负责这个 key。
新增或删除节点时，只影响该节点附近的一段 key。

虚拟节点是把一个真实节点映射成多个虚拟点，例如 nodeA#1、nodeA#2。这样节点在环上分布更均匀，节点数量少时也能减少倾斜；同时可以通过虚拟节点数量表达权重。

完整版教学

一、普通取模为什么扩容代价大

假设有 3 台缓存，key 的路由规则是 hash(key) % 3。现在扩容到 4 台，规则变成 hash(key) % 4。同一个 key 的余数大概率变化，于是原来在 A 机器的缓存可能要去 B、C、D 找。结果是大量请求打不到原缓存，全部回源数据库，数据库压力瞬间升高。

这就是普通取模最大的问题：节点数量 N 是公式的一部分，N 一变，映射整体重排。缓存、分片、长连接会话都害怕这种整体重排。

二、一致性哈希如何减少迁移

一致性哈希把哈希空间首尾相连成环。节点在环上占位置，key 也在环上占位置。key 不再对节点数取模，而是顺时针找到第一个节点。

新增节点时，新节点只会接管它逆时针方向上一段区间的 key，其他区间归属不变。删除节点时，原来归它的一段 key 顺时针迁移到下一个节点。在哈希与负载足够均匀、节点等权的理想条件下，从 N 个节点增加到 N+1 个节点，期望迁移比例约为 1/(N+1)；例如 9 台扩到 10 台约迁移 10%，而普通取模通常会让大多数 key 改变落点。

这个比例是期望值，不是单次扩容保证。真实分布会受虚拟节点数量、节点权重和 key 热度影响，因此上线前还要看每个物理节点承载的 key 数、字节数和 QPS，而不能只看区间长度。

三、为什么必须有虚拟节点

如果真实节点很少，哈希环上的位置可能很不均匀。比如 A、B、C 三个节点刚好挤在一段，A 负责很小区间，C 负责巨大区间，C 就会成为热点。哈希函数再均匀，也挡不住节点样本太少造成的波动。

虚拟节点把一个真实节点拆成很多虚拟节点散布到环上。比如每台机器放 100 个虚拟点，3 台机器就有 300 个点，区间分布会平滑很多。key 命中虚拟节点后，再映射回真实机器。虚拟节点还可以做权重：性能强的机器分配更多虚拟节点，承担更多 key。

四、一致性哈希适合哪些场景

它适合“按 key 路由且希望节点变动影响小”的场景：分布式缓存、分库分表路由、对象存储分片、RPC 长连接会话粘滞、任务分片。尤其是缓存系统，减少扩容时缓存大面积失效非常重要。

但它不是万能的。如果 key 本身有热点，比如某个明星商品被疯狂访问，一致性哈希只会稳定地把热点打到同一台机器，反而可能加重热点。这时需要热点 key 拆分、多级缓存、本地缓存、请求合并等方案。

五、和哈希槽有什么关系

Redis Cluster 使用 16384 个 slot，本质上也是“先把 key 映射到固定槽，再把槽分配给节点”。这和一致性哈希目标类似：节点变化时迁移一部分槽，而不是全量 key 重新计算。区别是 slot 是离散槽位，更方便运维迁移和管理；一致性哈希是环形连续空间，更常见于客户端路由和缓存路由。

维度	普通取模	一致性哈希	固定槽位
节点数变化	大量 key 重映射	主要影响相邻区间	迁移被重新分配的槽
均衡方式	依赖哈希与节点同质	虚拟节点及权重	调整节点持有槽数
路由元数据	节点列表	环与虚拟节点映射	槽到节点映射表
运维迁移	难控制单次范围	以虚拟节点/区间为单位	以离散槽为单位

六、成员视图、复制和故障边界

所有路由方必须对“环上有哪些节点、每个节点有哪些虚拟点”看到兼容版本。客户端 A 已加入新节点、客户端 B 仍使用旧环时，同一个 key 会被路由到不同位置；缓存场景可能只是命中率下降，存储场景则可能读写分叉。生产实现通常给成员视图加 epoch，并在变更期间做双读、转发或受控迁移。

一致性哈希只决定首选落点，不自动提供数据冗余。若复制因子为 3，可以把 key 放到顺时针方向三个不同物理节点；选择时必须跳过同一物理机的多个虚拟点，否则“3 个副本”可能仍在一台机器上。节点下线时不仅要重建主副本，还要限速补齐复制因子，避免迁移流量拖垮在线请求。

虚拟节点也不是越多越好。更多虚拟点能改善均匀性，却增加路由表、迁移任务和成员变更成本；应通过负载离散度压测选择数量，而不是照搬固定的 100 或 160。

七、常见误区与追问

环上顺序：A#1 -> C#1 -> B#1 -> A#2 -> C#2 -> B#2 -> 回到 A#1
key 落在 C#1 与 B#1 之间：首选 B#1，对应物理节点 B
新增 D#1 到该区间：只接管其逆时针前驱到 D#1 的 key

易错点：虚拟节点改善的是统计均匀性；它既不会拆散单个热点 key，也不会自动保证不同客户端拥有相同成员视图。

误区：一致性哈希完全不迁移数据。 它减少迁移范围，但新增或删除节点相关区间仍要迁移。
误区：不需要虚拟节点。 真实节点少时容易数据倾斜，虚拟节点能让区间更均匀。
误区：一致性哈希只用于缓存。 它也可用于分片、路由、负载分配等场景。
追问：为什么普通取模扩容影响大？ 节点数变化会改变 key % N 的结果，大量 key 落点改变。
追问：虚拟节点怎么工作？ 一个真实节点对应多个环上虚拟点，分散区间，降低倾斜。
追问：热点 key 怎么办？ 一致性哈希解决分布，不解决热点，需要副本、拆分或本地缓存。

八、加强记忆

一致性哈希要连着四件事记：哈希环决定首选落点，节点增删只搬相邻区间，虚拟节点降低物理节点少造成的倾斜，成员版本与复制因子负责让所有路由方得到一致且有冗余的结果。它降低的是期望迁移比例，不消除热点、迁移和成员视图问题；评估时既看 key 数，也看字节数、QPS 与故障域。

简化版

详细版