从工程实践的角度理解一致性哈希算法（Consistent Hashing）

文章结构概览

• 需求背景
  • 基本原理
    • Hash环形空间
    • Hash键值映射
    • 节点 增加删除
    • 映射 数据倾斜
    • Hash 虚拟节点

注：一致性哈希算法能够在后台数据库服务器及缓存服务器的数据存储、访问和持久化等多个方面提供有效的解决方案，尤其在分布式数据存储场景中展现出显著的优势。为了后续针对PostgreSQL数据库的功能开发（如Oracle Rac等），有必要重新梳理一致性哈希算法的核心原理及其特性。

饭前小甜点：假设当前有5台Redis数据库服务器，当数据对象Object 6进入系统时，通过散列公式hash(i)%5计算其应存放的服务器位置。若Hash(i) = i%N，则该数据会被分配至编号为1的服务器。然而，若此时新增了一台服务器，散列公式则变为Hash(i)%6，此时Object 6将被分配至0号服务器，但实际上该数据仍保存在1号服务器上。

于是 这就引发了一个问题了 ！！？？！！

需求背景分析

在实际应用场景中：当部署N台缓存服务器（Cache）时，一种广泛采用的负载均衡策略是对特定资源object x的请求，通过简单线性哈希：hash(x) = (ax + b) mod (N)的方式计算其哈希值，并将其均匀地分配至某一缓存服务