引言
对于哈希算法，相信大家一定不会陌生。它经常被用在负载均衡、分库分表等场景中。例如，在进行分库分表时，我们可能初步根据业务分析，确定 128 张表足以满足当前的数据量需求。此时，当需要插入或查询一条记录时，我们会先对分表键（如 buyer_id）进行哈希运算，然后将运算结果对 128 取模（hash(buyer_id) % 128）。这样就能得到一个 0 到 127 之间的数字，从而唯一定位到一个分表。
然而，随着业务的扩展，128 张表可能变得捉襟见肘。这时就需要增加分表的数量，比如增加到 129 张。如果仍然采用简单的哈希取模方式（hash(buyer_id) % 129），问题就来了：取模的基数变了，几乎所有 buyer_id 计算出的目标表编号都会发生改变！这意味着几乎所有现存的数据都需要在新的 129 张表之间重新进行分配。这无疑是一项成本极高且极具破坏性的操作。
一致性哈希（Consistent Hashing） 算法正是为了解决这类问题而生的。它是一种在分布式系统中添加或删除节点时，能够有效地、尽可能地减少数据迁移和重新分布成本的算法。
一致性哈希算法原理
一致性哈希的核心思想是将数据和节点都映射到一个概念性的“哈希环”上。
-
构造哈希环： 首先，想象一个闭合的环，代表所有可能的哈希输出值。通常这个范围是 (0) 到 (2^{32} - 1)。这个环是整个算法的基础。
-
映射节点（表）： 接下来，我们将系统中的每个节点（在我们的例子中是 table_0000 到 table_0127 这 128 张表）映射到哈希环上的一个位置。这通过计算节点标识符（如表名）的哈希值，然后对 (2^{32}) 取模来完成：
- Hash("table_0000") % 2^32
- Hash("table_0001") % 2^32
- ...
- Hash("table_0127") % 2^32
这些哈希值决定了每张表在环上的“固定”位置。
-
映射数据： 当需要存储数据时（例如，一条带有特定 buyer_id 的记录），我们同样对数据的键（buyer_id）进行哈希运算，并将其映射到环上：
- Hash(buyer_id_12321) % 2^32
- Hash(buyer_id_34432) % 2^32
- ...
- Hash(buyer_id_767676) % 2^32
这样，哈希环上就同时分布了节点（表）和数据的位置。
-
数据归属确定： 现在，数据的位置和表的位置都在环上确定了。那么，一个特定的数据项应该存储在哪张表中呢？规则很简单：从数据在环上的位置开始，沿着顺时针方向查找，遇到的第一个节点（表），就是负责存储该数据的节点。
由于数据键（buyer_id）和表名（table_xxxx）的哈希值是固定的，在节点（表）数量不变的情况下，每次对同一个 buyer_id 进行计算，总能顺时针找到相同的目标表。
一致性哈希在节点扩容中的应用
以上就是一致性哈希的基本原理。现在回到开头的问题：如果我们需要增加一张分表（比如 table_0128），该如何处理？
- 映射新节点： 首先，像其他表一样，将新表 table_0128 通过哈希函数映射到哈希环上：
Hash("table_0128") % 2^32 - 数据迁移： 新表 table_0128 加入后，它会“插入”到环上的某个位置。根据“顺时针查找第一个节点”的规则，原本应该存储在 table_0128 顺时针方向下一个节点上的一部分数据，现在其顺时针遇到的第一个节点变成了 table_0128。因此，只有这部分数据需要从原来的节点迁移到新的 table_0128 中。
（这里可以想象一张图，显示新节点插入环中，只有其逆时针方向到上一个节点之间的数据需要迁移）
关键优势： 与普通哈希取模在增加节点时几乎需要移动所有数据不同，一致性哈希算法确保了在增加（或删除）节点后，只有受新节点位置直接影响的一小部分数据需要迁移，绝大多数数据的位置保持不变。这极大地降低了系统扩容或缩容时的成本和风险。
一致性哈希算法总结
一致性哈希通过将整个哈希空间视为一个环形结构，并将节点（服务器/表）和数据（键）都映射到这个环上。通过计算哈希值确定位置，然后依据顺时针（或逆时针）查找最近节点的规则来确定数据的归属。
优点：
- 最小化数据迁移： 在增加或删除节点时，仅影响环上相邻节点之间的一小部分数据，保持了较好的数据均衡性和稳定性。
- 高扩展性： 节点数量变化时，对整体数据结构和绝大多数数据的存储位置没有影响，易于扩展。
缺点：
- 哈希倾斜 (Hash Skew)： 在节点数量较少，或者节点哈希值在环上分布不均匀时，可能导致某些节点负载远超其他节点，即数据倾斜。
- 雪崩效应（级联故障）： 如果一个节点失效，其负载会完全转移给顺时针的下一个节点，可能导致该节点过载而失效，引发连锁反应。（引入虚拟节点可以缓解）
- 节点频繁变更的开销： 虽然比普通哈希好很多，但如果节点添加或删除非常频繁，仍然会带来不可忽视的数据迁移开销和系统压力。
Hash 倾斜的解决方法
正如缺点中提到的，即使使用一致性哈希，如果节点在环上分布不均，或者某些数据哈希后天然地聚集在一起，仍然可能出现数据倾斜问题——即少数节点承载了大量数据。这会导致节点负载不均，并且在这些“胖”节点发生变更（如宕机或扩容）时，数据迁移量依然较大。
解决方法主要有两种思路：
-
增加物理节点数量： 在服务器资源充足的情况下，可以部署更多的物理节点。节点越多，理论上每个节点分担的数据量越少，即使有倾斜，单个节点的压力也可能降低到可接受范围。但这并不能完全解决哈希分布不均的根本问题，且成本较高。
-
引入虚拟节点 (Virtual Nodes)： 这是更常用且更有效的方法。与其将一个物理节点（如一台服务器或一张表）只映射到环上的一个点，不如将其映射为环上的多个虚拟节点。
- 例如，一个物理节点 Node A 可以映射为 Node A-1, Node A-2, ..., Node A-k 这些虚拟节点，每个虚拟节点通过不同的哈希计算（比如 hash("Node A-1"), hash("Node A-2")）得到在环上的不同位置。
- 数据映射时，仍然是顺时针查找第一个虚拟节点。
- 当一个物理节点加入或离开时，它相当于同时加入或移除了它所对应的所有虚拟节点。
- 好处： 大量的虚拟节点通常能在环上分布得更均匀，即使物理节点数量不多，也能有效打散数据，显著改善数据倾斜问题。同时，当物理节点增删时，负载能更均匀地分散给其他多个物理节点（通过它们各自的虚拟节点），而不是仅仅压垮顺时针的下一个邻居。
通过引入虚拟节点，一致性哈希算法能够更好地应对数据倾斜，进一步提高系统的负载均衡能力和稳定性。