什么是一致性哈希？可以解决什么问题？

一致性哈希（Consistent Hashing）是一种特殊的分布式哈希算法，旨在解决分布式系统中数据分布和节点动态变化带来的问题。其核心思想是将节点和数据均映射到一个虚拟的哈希环（通常范围为 0 到 2^32 -1）上，通过比较哈希值位置将数据分配到首个顺时针节点中。这有效减少了数据迁移量，提高系统稳定性和可扩展性。

什么是一致性哈希？

• 定义与原理：它通过创建哈希环（一个封闭的环状结构），使用哈希函数（如 MD5 或 SHA-1）将节点（例如服务器）和数据对象映射到环上的特定点。数据的存储位置由其哈希值沿环顺时针方向的第一个节点决定。
• 关键组件：
  • 哈希环：虚拟的圆形空间，节点和数据按哈希值均匀分布。
  • 虚拟节点机制：每个物理节点关联多个虚拟节点（例如通过 hash(物理节点 + 序号) 生成）以平衡分布，防止节点不均匀导致的数据倾斜问题。

以下是一个简化的工作原理示例代码（基于 Python）：

import hashlib

class ConsistentHash:
    def __init__(self, nodes, virtual_copies=100):
        self.nodes = set()
        self.hash_ring = {}
        self.virtual_copies = virtual_copies
        for node in nodes:
            self.add_node(node)
    
    def add_node(self, node):
        self.nodes.add(node)
        for i in range(self.virtual_copies):
            virtual_key = f"{node}#{i}"
            hash_val = int(hashlib.md5(virtual_key.encode()).hexdigest(), 16) % (2**32)
            self.hash_ring[hash_val] = node
    
    def get_node(self, key):
        hash_val = int(hashlib.md5(key.encode()).hexdigest(), 16) % (2**32)
        sorted_keys = sorted(self.hash_ring.keys())
        # 顺时针查找第一个节点
        selected_key = sorted_keys  # 默认第一个
        for k in sorted_keys:
            if hash_val <= k:
                selected_key = k
                break
        return self.hash_ring[selected_key]

可以解决什么问题？

一致性哈希主要解决以下关键问题：

1. 动态伸缩的挑战：在分布式系统（如缓存或数据库分片）中，节点的增加或删除（例如，服务器故障或扩展）会导致数据重新分布:
   • 传统方法简单（如取模 hash(key) % N）需要在 N 变化时重新映射几乎所有数据，引发大规模迁移开销和潜在 downtime。
   • 一致性哈希通过在哈希环上只影响邻近节点，减少重映射到 k/n 比例（k 是数据项数， n 是节点数），显著提高容错性和扩展性。
2. 负载不均问题:
   • 初始时节点分布不均可能导致某些节点过载，但通过虚拟节点机制可优化分布均衡。
   • 例如，添加虚拟节点确保数据尽可能均匀分到物理节点，防止热点区域产生。
3. 分布式 Hash 表（DHT）痛点：在分布式缓存、CDN 或数据存储场景中，一致性哈希确保服务请求与节点映射在变动时最小限度改变，避免系统性能抖动。