面试|【面试题】一致性 Hash 算法是什么（它带来了哪些问题以及解决方案）哈希|分布式|数据库|集群|一致

目录
1、数据分片
2、数据分片会遇到的问题
3、一致性 Hash 算法

1、数据分片先让我们看一个例子吧
我们经常会用 Redis 做缓存，把一些数据放在上面，以减少数据的压力。
当数据量少，访问压力不大的时候，通常一台Redis就能搞定，为了高可用，弄个主从也就足够了；
当数据量变大，并发量也增加的时候，把全部的缓存数据放在一台机器上就有些吃力了，毕竟一台机器的资源是有限的
通常我们会搭建集群环境，让数据尽量平均的放到每一台 Redis 中，比如我们的集群中有 4 台Redis。
那么如何把数据尽量平均地放到这 4 台Redis中呢？最简单的就是取模算法：

hash( key ) % N，N 为 Redis 的数量，在这里 N = 4 ;

文章图片

看起来非常得美好，因为依靠这样的方法，我们可以让数据平均存储到 4 台 Redis 中，当有新的请求过来的时候，我们也可以定位数据会在哪台 Redis 中，这样可以精确地查询到缓存数据。

2、数据分片会遇到的问题但是 4 台 Redis 不够了，需要再增加 4 台 Redis ；那么这个求余算法就会变成：hash( key ) % 8 ；

文章图片

那么可以想象一下，当前大部分缓存的位置都会是错误的，极端情况下，就会造成缓存雪崩。
3、一致性 Hash 算法一致性 Hash 算法可以很好地解决这个问题，它的大概过程是这样的：
把 0 作为起点，2^32-1 作为终点，画一条直线，再把起点和终点重合，直线变成一个圆，方向是顺时针从小到大。0 的右侧第一个点是 1 ，然后是 2 ，以此类推。
对三台服务器的 IP 或其他关键字进行 hash 后对 2^32 取模，这样势必能落在这个圈上的某个位置，记为 Node1、Node2、Node3。