北京
分布式系统里有个经典难题：加一台服务器，数据要全部重新分配吗？一致性哈希（Consistent Hashing）的答案是——只需搬大约 K/N 的数据，K 是总数据量，N 是服务器数量。
要理解这个方案，得先回到哈希的本质。哈希就是把任意大小的输入——一个词、一个文件、一整行数据库记录——扔进一个数学公式，输出固定长度的字符串。你可以把它想象成数字指纹：不同输入几乎不可能撞出相同结果，而且指纹无法反推回原文件。无论输入是字母"a"还是整个维基百科，输出的"指纹"长度都一样。
好的哈希函数得满足几个硬指标：计算要快、结果要均匀分布、哪怕输入只差一个字符，输出也得天差地别（雪崩效应）。这些特性让哈希成了软件工程的底层工具——下载大文件时校验 MD5 或 SHA-256 防篡改，存密码时用 bcrypt 或 Argon2 慢哈希防破解，查字典时用哈希表实现 O(1) 的常数时间查找。
但传统哈希有个致命弱点：它对服务器数量极度敏感。假设你有 4 台服务器，用 hash(key) % 4 来决定数据存哪台。这时候加一台变成 5 台，取模结果全变——几乎所有数据都要搬家。一致性哈希正是为了解决这个"扩缩容灾难"而设计的。
它的核心思路是把服务器和数据都映射到同一个环形空间上。每个服务器负责环上的一段区间，数据找顺时针最近的机器。加服务器时，只影响环上相邻的一小段数据；减服务器时，它的区间由下一个节点接管。数学上，这保证了数据迁移量严格控制在 K/N 量级。
这个设计让缓存系统（如 Memcached）、分布式数据库（如 Cassandra）和负载均衡器能够平滑扩缩容。没有它，每次服务器变动都是全量数据迁移的噩梦。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
