圖解一致性哈希算法，看這一篇就夠了！

近段時(shí)間一直在總結(jié)分布式系統(tǒng)架構(gòu)常見(jiàn)的算法。前面我們介紹過(guò)布隆過(guò)濾器算法。接下來(lái)介紹一個(gè)非常重要、也非常實(shí)用的算法：一致性哈希算法。通過(guò)介紹一致性哈希算法的原理并給出了一種實(shí)現(xiàn)和實(shí)際運(yùn)用的案例，帶大家真正理解一致性哈希算法。

一、背景

在具體介紹一致性哈希算法之前，先問(wèn)一個(gè)問(wèn)題：為什么需要一致性哈希算法？下面我們通過(guò)一個(gè)案例來(lái)回答這個(gè)問(wèn)題。

假設(shè)有這么一種場(chǎng)景：我們有三臺(tái)緩存服務(wù)器分別為：node0、node1、node2，有3000萬(wàn)個(gè)緩存數(shù)據(jù)需要存儲(chǔ)在這三臺(tái)服務(wù)器組成的集群中，希望可以將這些數(shù)據(jù)均勻的緩存到三臺(tái)機(jī)器上，你會(huì)想到什么方案呢？

我們可能首先想到的方案是：取模算法hash（key）%N，即：對(duì)緩存數(shù)據(jù)的key進(jìn)行hash運(yùn)算后取模，N是機(jī)器的數(shù)量；運(yùn)算后的結(jié)果映射對(duì)應(yīng)集群中的節(jié)點(diǎn)。具體如下圖所示：

如上圖所示，首先對(duì)key進(jìn)行hash計(jì)算后的結(jié)果對(duì)3取模，得到的結(jié)果一定是0、1或者2；然后映射對(duì)應(yīng)的服務(wù)器node0、node1、node2，最后直接找對(duì)應(yīng)的服務(wù)器存取數(shù)據(jù)即可。

通過(guò)取模算法將每個(gè)數(shù)據(jù)請(qǐng)求都均勻的分散到了三個(gè)不同的服務(wù)器節(jié)點(diǎn)上，看起來(lái)很完美！但是，在分布式集群系統(tǒng)的負(fù)載均衡實(shí)現(xiàn)上，這種模型在集群擴(kuò)容和收縮時(shí)卻有一定的局限性：因?yàn)樵谏a(chǎn)環(huán)境中根據(jù)業(yè)務(wù)量的大小，調(diào)整服務(wù)器數(shù)量是常有的事，而服務(wù)器數(shù)量N發(fā)生變化后hash（key）%N計(jì)算的結(jié)果也會(huì)隨之變化！導(dǎo)致整個(gè)集群的緩存數(shù)據(jù)必須重新計(jì)算調(diào)整，進(jìn)而導(dǎo)致大量緩存在同一時(shí)間失效，造成緩存的雪崩，最終導(dǎo)致整個(gè)緩存系統(tǒng)的不可用，這是不能接受的。為了解決優(yōu)化上述情況，一致性哈希算法應(yīng)運(yùn)而生。

二、一致性哈希簡(jiǎn)介

有些朋友一聽(tīng)到算法就頭大，其實(shí)大可不必，一致性哈希算法聽(tīng)起來(lái)高大上，其實(shí)非常簡(jiǎn)單。接下來(lái)開始介紹什么是一致性哈希算法，它解決了什么問(wèn)題。

2.1 什么是一致性哈希？

一致性哈希(Consistent Hash)算法是1997年提出，是一種特殊的哈希算法，目的是解決分布式系統(tǒng)的數(shù)據(jù)分區(qū)問(wèn)題：當(dāng)分布式集群移除或者添加一個(gè)服務(wù)器時(shí)，必須盡可能小地改變已存在的服務(wù)請(qǐng)求與處理請(qǐng)求服務(wù)器之間的映射關(guān)系。

2.2 一致性哈希主要解決問(wèn)題

我們知道，傳統(tǒng)的按服務(wù)器節(jié)點(diǎn)數(shù)量取模在集群擴(kuò)容和收縮時(shí)存在一定的局限性。而一致性哈希算法正好解決了簡(jiǎn)單哈希算法在分布式集群中存在的動(dòng)態(tài)伸縮的問(wèn)題。降低節(jié)點(diǎn)上下線的過(guò)程中帶來(lái)的數(shù)據(jù)遷移成本，同時(shí)節(jié)點(diǎn)數(shù)量的變化與分片原則對(duì)于應(yīng)用系統(tǒng)來(lái)說(shuō)是無(wú)感的，使上層應(yīng)用更專注于領(lǐng)域內(nèi)邏輯的編寫，使得整個(gè)系統(tǒng)架構(gòu)能夠動(dòng)態(tài)伸縮，更加靈活方便。

2.3 一致性哈希的使用場(chǎng)景

一致性哈希算法是分布式系統(tǒng)中的重要算法，使用場(chǎng)景也非常廣泛。主要是是負(fù)載均衡、緩存數(shù)據(jù)分區(qū)等場(chǎng)景。

一致性哈希應(yīng)該是實(shí)現(xiàn)負(fù)載均衡的首選算法，它的實(shí)現(xiàn)比較靈活，既可以在客戶端實(shí)現(xiàn)，也可以在中間件上實(shí)現(xiàn)，比如日常使用較多的緩存中間件memcached 使用的路由算法用的就是一致性哈希算法。

此外，其它的應(yīng)用場(chǎng)景還有很多：

• RPC框架Dubbo用來(lái)選擇服務(wù)提供者

• 分布式關(guān)系數(shù)據(jù)庫(kù)分庫(kù)分表：數(shù)據(jù)與節(jié)點(diǎn)的映射關(guān)系

• LVS負(fù)載均衡調(diào)度器

三、一致性哈希的原理

2.1 算法原理

前面介紹的取模算法雖然使用簡(jiǎn)單，但缺陷也很明顯，如果服務(wù)器中保存有服務(wù)請(qǐng)求對(duì)應(yīng)的數(shù)據(jù)，那么如果重新計(jì)算請(qǐng)求的哈希值，會(huì)造成緩存的雪崩的問(wèn)題。這種情況在分布式系統(tǒng)中是非常糟糕的。一個(gè)設(shè)計(jì)良好的分布式系統(tǒng)應(yīng)該具有良好的單調(diào)性，即服務(wù)器的添加與移除不會(huì)造成大量的哈希重定位，而一致性哈希恰好可以解決這個(gè)問(wèn)題 。

其實(shí)，一致性哈希算法本質(zhì)上也是一種取模算法。只不過(guò)前面介紹的取模算法是按服務(wù)器數(shù)量取模，而一致性哈希算法是對(duì)固定值2^32取模，這就使得一致性算法具備良好的單調(diào)性：不管集群中有多少個(gè)節(jié)點(diǎn)，只要key值固定，那所請(qǐng)求的服務(wù)器節(jié)點(diǎn)也同樣是固定的。其算法的工作原理如下：

1. 一致性哈希算法將整個(gè)哈希值空間映射成一個(gè)虛擬的圓環(huán)，整個(gè)哈希空間的取值范圍為0~2^32-1；

2. 計(jì)算各服務(wù)器節(jié)點(diǎn)的哈希值，并映射到哈希環(huán)上；

3. 將服務(wù)發(fā)來(lái)的數(shù)據(jù)請(qǐng)求使用哈希算法算出對(duì)應(yīng)的哈希值；

4. 將計(jì)算的哈希值映射到哈希環(huán)上，同時(shí)沿圓環(huán)順時(shí)針?lè)较虿檎遥龅降牡谝慌_(tái)服務(wù)器就是所對(duì)應(yīng)的處理請(qǐng)求服務(wù)器。

5. 當(dāng)增加或者刪除一臺(tái)服務(wù)器時(shí)，受影響的數(shù)據(jù)僅僅是新添加或刪除的服務(wù)器到其環(huán)空間中前一臺(tái)的服務(wù)器（也就是順著逆時(shí)針?lè)较蛴龅降牡谝慌_(tái)服務(wù)器）之間的數(shù)據(jù)，其他都不會(huì)受到影響。

綜上所述，一致性哈希算法對(duì)于節(jié)點(diǎn)的增減都只需重定位環(huán)空間中的一小部分?jǐn)?shù)據(jù)，具有較好的容錯(cuò)性和可擴(kuò)展性 。

2.2 深入剖析

說(shuō)了那么多，可能你還是云里霧里的，那么接下來(lái)我們?cè)敿?xì)剖析一致性哈希的實(shí)現(xiàn)原理。

2.2.1 哈希環(huán)

首先，一致性哈希算法將整個(gè)哈希值空間映射成一個(gè)虛擬的圓環(huán)。整個(gè)哈希空間的取值范圍為0~2^32-1，按順時(shí)針?lè)较蜷_始從0~2^32-1排列，最后的節(jié)點(diǎn)2^32-1在0開始位置重合，形成一個(gè)虛擬的圓環(huán)。如下圖所示：

2.2.2 服務(wù)器映射到哈希環(huán)

接下來(lái)，將服務(wù)器節(jié)點(diǎn)映射到哈希環(huán)上對(duì)應(yīng)的位置。我們可以對(duì)服務(wù)器IP地址進(jìn)行哈希計(jì)算，哈希計(jì)算后的結(jié)果對(duì)2^32取模，結(jié)果一定是一個(gè)0到2^32-1之間的整數(shù)。最后將這個(gè)整數(shù)映射在哈希環(huán)上，整數(shù)的值就代表了一個(gè)服務(wù)器節(jié)點(diǎn)的在哈希環(huán)上的位置。即：hash（服務(wù)器ip）% 2^32。下面我們依次將node0、node1、node2三個(gè)緩存服務(wù)器映射到哈希環(huán)上，如下圖所示：

2.2.3 對(duì)象key映射到服務(wù)器

當(dāng)服務(wù)器接收到數(shù)據(jù)請(qǐng)求時(shí)，首先需要計(jì)算請(qǐng)求Key的哈希值；然后將計(jì)算的哈希值映射到哈希環(huán)上的具體位置；接下來(lái)，從這個(gè)位置沿著哈希環(huán)順時(shí)針查找，遇到的第一個(gè)節(jié)點(diǎn)就是key對(duì)應(yīng)的節(jié)點(diǎn)；最后，將請(qǐng)求發(fā)送到具體的服務(wù)器節(jié)點(diǎn)執(zhí)行數(shù)據(jù)操作。

假設(shè)我們有“key-01：張三”、“key-02：李四”、“key-03：王五”三條緩存數(shù)據(jù)。經(jīng)過(guò)哈希算法計(jì)算后，映射到哈希環(huán)上的位置如下圖所示：

如上圖所示，通過(guò)哈希計(jì)算后，key-01順時(shí)針尋找將找到node0，key-02順時(shí)針尋找將找到node1，key-03順時(shí)針尋找將找到node2。最后，請(qǐng)求找到的服務(wù)器節(jié)點(diǎn)執(zhí)行具體的業(yè)務(wù)操作。

以上便是一致性哈希算法的工作原理。

四、服務(wù)器擴(kuò)容&縮容

前面介紹了一致性哈希算法的工作原理，那么，一致性哈希算法如何避免服務(wù)器動(dòng)態(tài)伸縮的問(wèn)題的呢？

4.1 服務(wù)器縮容

服務(wù)器縮容就是減少集群中服務(wù)器節(jié)點(diǎn)的數(shù)量或是集群中某個(gè)節(jié)點(diǎn)故障。假設(shè)，集群中的某個(gè)節(jié)點(diǎn)故障，原本映射到該節(jié)點(diǎn)的請(qǐng)求，會(huì)找到哈希環(huán)中的下一個(gè)節(jié)點(diǎn)，數(shù)據(jù)也同樣被重新分配至下一個(gè)節(jié)點(diǎn)，其它節(jié)點(diǎn)的數(shù)據(jù)和請(qǐng)求不受任何影響。這樣就確保節(jié)點(diǎn)發(fā)生故障時(shí)，集群能保持正常穩(wěn)定。如下圖所示：

如上圖所示：節(jié)點(diǎn)node2發(fā)生故障時(shí)，數(shù)據(jù)key-01和key-02不會(huì)受到影響，只有key-03的請(qǐng)求被重定位到node0。在一致性哈希算法中，如果某個(gè)節(jié)點(diǎn)宕機(jī)不可用了，那么受影響的數(shù)據(jù)僅僅是會(huì)尋址到此節(jié)點(diǎn)和前一節(jié)點(diǎn)之間的數(shù)據(jù)。其他哈希環(huán)上的數(shù)據(jù)不會(huì)受到影響。

4.2 服務(wù)器擴(kuò)容

服務(wù)器擴(kuò)容就是集群中需要增加一個(gè)新的數(shù)據(jù)節(jié)點(diǎn)，假設(shè)，由于需要緩存的數(shù)據(jù)量太大，必須對(duì)集群進(jìn)行擴(kuò)容增加一個(gè)新的數(shù)據(jù)節(jié)點(diǎn)。此時(shí)，只需要計(jì)算新節(jié)點(diǎn)的哈希值并將新的節(jié)點(diǎn)加入到哈希環(huán)中，然后將哈希環(huán)中從上一個(gè)節(jié)點(diǎn)到新節(jié)點(diǎn)的數(shù)據(jù)映射到新的數(shù)據(jù)節(jié)點(diǎn)即可。其他節(jié)點(diǎn)數(shù)據(jù)不受影響，具體如下圖所示：

如上圖所示，加入新的node3節(jié)點(diǎn)后，key-01、key-02不受影響，只有key-03的尋址被重定位到新節(jié)點(diǎn)node3，受影響的數(shù)據(jù)僅僅是會(huì)尋址到新節(jié)點(diǎn)和前一節(jié)點(diǎn)之間的數(shù)據(jù)。

通過(guò)一致性哈希算法，集群擴(kuò)容或縮容時(shí)，只需要重新定位哈希環(huán)空間內(nèi)的一小部分?jǐn)?shù)據(jù)。其他數(shù)據(jù)保持不變。當(dāng)節(jié)點(diǎn)數(shù)越多的時(shí)候，使用哈希算法時(shí)，需要遷移的數(shù)據(jù)就越多，使用一致哈希時(shí)，需要遷移的數(shù)據(jù)就越少。所以，一致哈希算法具有較好的容錯(cuò)性和可擴(kuò)展性。

五、數(shù)據(jù)傾斜與虛擬節(jié)點(diǎn)

5.1 什么是數(shù)據(jù)傾斜？

前面說(shuō)了一致性哈希算法的原理以及擴(kuò)容縮容的問(wèn)題。但是，由于哈希計(jì)算的隨機(jī)性，導(dǎo)致一致性哈希算法存在一個(gè)致命問(wèn)題：數(shù)據(jù)傾斜，，也就是說(shuō)大多數(shù)訪問(wèn)請(qǐng)求都會(huì)集中少量幾個(gè)節(jié)點(diǎn)的情況。特別是節(jié)點(diǎn)太少情況下，容易因?yàn)楣?jié)點(diǎn)分布不均勻造成數(shù)據(jù)訪問(wèn)的冷熱不均。這就失去了集群和負(fù)載均衡的意義。如下圖所示：

如上圖所示，key-1、key-2、key-3可能被映射到同一個(gè)節(jié)點(diǎn)node0上。導(dǎo)致node0負(fù)載過(guò)大，而node1和node2卻很空閑的情況。這有可能導(dǎo)致個(gè)別服務(wù)器數(shù)據(jù)和請(qǐng)求壓力過(guò)大和崩潰，進(jìn)而引起集群的崩潰。

5.2 如何解決數(shù)據(jù)傾斜？

為了解決數(shù)據(jù)傾斜的問(wèn)題，一致性哈希算法引入了虛擬節(jié)點(diǎn)機(jī)制，即對(duì)每一個(gè)物理服務(wù)節(jié)點(diǎn)映射多個(gè)虛擬節(jié)點(diǎn)，將這些虛擬節(jié)點(diǎn)計(jì)算哈希值并映射到哈希環(huán)上，當(dāng)請(qǐng)求找到某個(gè)虛擬節(jié)點(diǎn)后，將被重新映射到具體的物理節(jié)點(diǎn)。虛擬節(jié)點(diǎn)越多，哈希環(huán)上的節(jié)點(diǎn)就越多，數(shù)據(jù)分布就越均勻，從而避免了數(shù)據(jù)傾斜的問(wèn)題。

說(shuō)起來(lái)可能比較復(fù)雜，一句話概括起來(lái)就是：原有的節(jié)點(diǎn)、數(shù)據(jù)定位的哈希算法不變，只是多了一步虛擬節(jié)點(diǎn)到實(shí)際節(jié)點(diǎn)的映射。具體如下圖所示：

如上圖所示，我們可以在服務(wù)器ip或主機(jī)名的后面增加編號(hào)來(lái)實(shí)現(xiàn)，將全部的虛擬節(jié)點(diǎn)加入到哈希環(huán)中，增加了節(jié)點(diǎn)后，數(shù)據(jù)在哈希環(huán)上的分布就相對(duì)均勻了。當(dāng)有訪問(wèn)請(qǐng)求尋址到node0-1這個(gè)虛擬節(jié)點(diǎn)時(shí)，將被重新映射到物理節(jié)點(diǎn)node0。

六、一致性Hash算法實(shí)現(xiàn)

前面介紹了一致性哈希算法的原理、動(dòng)態(tài)伸縮以及數(shù)據(jù)傾斜的問(wèn)題后，下面我們根據(jù)上面的講述，使用Java實(shí)現(xiàn)一個(gè)簡(jiǎn)單的一致性哈希算法。

6.1 數(shù)據(jù)節(jié)點(diǎn)

首先定義一個(gè)節(jié)點(diǎn)類，實(shí)現(xiàn)數(shù)據(jù)節(jié)點(diǎn)的功能，具體代碼如下：

public class Node {    private static final int VIRTUAL_NODE_NO_PER_NODE = 200;    private final String ip;    private final List<Integer> virtualNodeHashes = new ArrayList<>(VIRTUAL_NODE_NO_PER_NODE);    private final Map<Object, Object> cacheMap = new HashMap<>();
    public Node(String ip) {        Objects.requireNonNull(ip);        this.ip = ip;        initVirtualNodes();    }

    private void initVirtualNodes() {        String virtualNodeKey;        for (int i = 1; i <= VIRTUAL_NODE_NO_PER_NODE; i++) {            virtualNodeKey = ip + "#" + i;            virtualNodeHashes.add(HashUtils.hashcode(virtualNodeKey));        }    }
    public void addCacheItem(Object key, Object value) {        cacheMap.put(key, value);    }

    public Object getCacheItem(Object key) {        return cacheMap.get(key);    }

    public void removeCacheItem(Object key) {        cacheMap.remove(key);    }

    public List<Integer> getVirtualNodeHashes() {        return virtualNodeHashes;    }
    public String getIp() {        return ip;    }}

6.2 實(shí)現(xiàn)一致性哈希算法

接下來(lái)實(shí)現(xiàn)核心功能：一致性哈希算法，主要使用java的TreeMap類，實(shí)現(xiàn)哈希環(huán)和哈希查找的功能。具體代碼如下所示：

public class ConsistentHash {    private final TreeMap<Integer, Node> hashRing = new TreeMap<>();
    public List<Node> nodeList = new ArrayList<>();
    /**     * 增加節(jié)點(diǎn)     * 每增加一個(gè)節(jié)點(diǎn)，就會(huì)在閉環(huán)上增加給定虛擬節(jié)點(diǎn)     * 例如虛擬節(jié)點(diǎn)數(shù)是2，則每調(diào)用此方法一次，增加兩個(gè)虛擬節(jié)點(diǎn)，這兩個(gè)節(jié)點(diǎn)指向同一Node     * @param ip     */    public void addNode(String ip) {        Objects.requireNonNull(ip);        Node node = new Node(ip);        nodeList.add(node);        for (Integer virtualNodeHash : node.getVirtualNodeHashes()) {            hashRing.put(virtualNodeHash, node);            System.out.println("虛擬節(jié)點(diǎn)[" + node + "] hash:" + virtualNodeHash + "，被添加");        }    }
    /**     * 移除節(jié)點(diǎn)     * @param node     */    public void removeNode(Node node){        nodeList.remove(node);    }
    /**     * 獲取緩存數(shù)據(jù)     * 先找到對(duì)應(yīng)的虛擬節(jié)點(diǎn)，然后映射到物理節(jié)點(diǎn)     * @param key     * @return     */    public Object get(Object key) {        Node node = findMatchNode(key);        System.out.println("獲取到節(jié)點(diǎn):" + node.getIp());        return node.getCacheItem(key);    }
    /**     * 添加緩存     * 先找到hash環(huán)上的節(jié)點(diǎn)，然后在對(duì)應(yīng)的節(jié)點(diǎn)上添加數(shù)據(jù)緩存     * @param key     * @param value     */    public void put(Object key, Object value) {        Node node = findMatchNode(key);
        node.addCacheItem(key, value);    }
    /**     * 刪除緩存數(shù)據(jù)     */    public void evict(Object key) {        findMatchNode(key).removeCacheItem(key);    }

    /**     *  獲得一個(gè)最近的順時(shí)針節(jié)點(diǎn)     * @param key 為給定鍵取Hash，取得順時(shí)針?lè)较蛏献罱囊粋€(gè)虛擬節(jié)點(diǎn)對(duì)應(yīng)的實(shí)際節(jié)點(diǎn)     *      * @return 節(jié)點(diǎn)對(duì)象     * @return     */    private Node findMatchNode(Object key) {        Map.Entry<Integer, Node> entry = hashRing.ceilingEntry(HashUtils.hashcode(key));        if (entry == null) {            entry = hashRing.firstEntry();        }        return entry.getValue();    }}

如上所示，通過(guò)TreeMap的ceilingEntry() 方法，實(shí)現(xiàn)順時(shí)針查找下一個(gè)的服務(wù)器節(jié)點(diǎn)的功能。

6.3 哈希計(jì)算方法

哈希計(jì)算方法比較常見(jiàn)，網(wǎng)上也有很多計(jì)算hash 值的函數(shù)。示例代碼如下：

public class HashUtils {
    /**     * FNV1_32_HASH     *     * @param obj     *         object     * @return hashcode     */    public static int hashcode(Object obj) {        final int p = 16777619;        int hash = (int) 2166136261L;        String str = obj.toString();        for (int i = 0; i < str.length(); i++)            hash = (hash ^ str.charAt(i)) * p;        hash += hash << 13;        hash ^= hash >> 7;        hash += hash << 3;        hash ^= hash >> 17;        hash += hash << 5;
        if (hash < 0)            hash = Math.abs(hash);        //System.out.println("hash computer:" + hash);        return hash;    }}

6.4 驗(yàn)證測(cè)試

一致性哈希算法實(shí)現(xiàn)后，接下來(lái)添加一個(gè)測(cè)試類，驗(yàn)證此算法時(shí)候正常。示例代碼如下：

public class ConsistentHashTest {    public static final int NODE_SIZE = 10;    public static final int STRING_COUNT = 100 * 100;    private static ConsistentHash consistentHash = new ConsistentHash();    private static List<String> sList = new ArrayList<>();
    public static void main(String[] args) {        // 增加節(jié)點(diǎn)        for (int i = 0; i < NODE_SIZE; i++) {            String ip = new StringBuilder("10.2.1.").append(i)                    .toString();            consistentHash.addNode(ip);        }
        // 生成需要緩存的數(shù)據(jù);        for (int i = 0; i < STRING_COUNT; i++) {            sList.add(RandomStringUtils.randomAlphanumeric(10));        }
        // 將數(shù)據(jù)放入到緩存中。        for (String s : sList) {            consistentHash.put(s, s);        }
        for(int i = 0 ; i < 10 ; i ++) {            int index = RandomUtils.nextInt(0, STRING_COUNT);            String key = sList.get(index);            String cache = (String) consistentHash.get(key);            System.out.println("Random:"+index+",key:" + key + ",consistentHash get value:" + cache +",value is:" + key.equals(cache));        }
        // 輸出節(jié)點(diǎn)及數(shù)據(jù)分布情況        for (Node node : consistentHash.nodeList){            System.out.println(node);        }
        // 新增一個(gè)數(shù)據(jù)節(jié)點(diǎn)        consistentHash.addNode("10.2.1.110");        for(int i = 0 ; i < 10 ; i ++) {            int index = RandomUtils.nextInt(0, STRING_COUNT);            String key = sList.get(index);            String cache = (String) consistentHash.get(key);            System.out.println("Random:"+index+",key:" + key + ",consistentHash get value:" + cache +",value is:" + key.equals(cache));        }
        // 輸出節(jié)點(diǎn)及數(shù)據(jù)分布情況        for (Node node : consistentHash.nodeList){            System.out.println(node);        }    }}

運(yùn)行此測(cè)試，輸出結(jié)果如下所示：

最后

以上，我們就把一致性哈希算法的實(shí)現(xiàn)原理，應(yīng)用場(chǎng)景、解決了哪些問(wèn)題都介紹完了，并用java簡(jiǎn)單實(shí)現(xiàn)了一個(gè)一致性哈希算法。相信看完之后，大家對(duì)一致性哈希算法應(yīng)該不會(huì)那么陌生害怕了吧。