一致性哈希：让数据分布更“均匀“的魔法算法

618 | 一致性哈希：让数据分布更"均匀"的魔法算法想象你开了100家快递驿站，要把10万个包裹分到各个驿站。简单哈希的做法：驿站编号 = hash(包裹ID) % 100问题是：一旦某个驿站倒闭，需要重新分配所有包裹，数据迁移量巨大！一致性哈希：巧妙解决这个痛点。一、为什么需要一致性哈希？普通哈希的问题假设我们有3台服务器，用普通哈希分配数据：hash(key) % 3 key1 - hash("key1") % 3 = 0 - Server 0 key2 - hash("key2") % 3 = 1 - Server 1 key3 - hash("key3") % 3 = 2 - Server 2看起来很均匀。但是！某天流量暴涨，需要扩容到4台服务器：hash(key) % 4 key1 - hash("key1") % 4 = ? // 可能变成2！ key2 - hash("key2") % 4 = ? // 可能变成0！ key3 - hash("key3") % 4 = ? // 可能变成1！几乎所有数据都需要重新映射！