本文为参考 朱双印 大佬博客内容的整理，有兴趣的同学可以点击下方链接，查看原文。
参考连接：白话解析：一致性哈希算法 consistent hashing
场景描述
假设有N台缓存服务器，在分布式情况下，要将资源均匀的缓存到这3台服务器上，可以使用下面的算法定位需要操作资源的位置：
hash（资源ID）% N
但是，当缓存服务器数量发生变化时，可能出现以下问题
- 会引起缓存的雪崩，可能会引起整体系统压力过大而崩溃（大量缓存同一时间失效）。
- 几乎所有缓存的位置都会发生改变，怎样才能尽量减少受影响的缓存呢？
一致性哈希算法的基本概念
一致性哈希算法是对
2^32
取模，将这些哈希槽顺时针排列，想象为一个 hash 环。
这里我们将 3 台服务器的IP通过此算法进行取模（
hash（服务器的IP地址） % 2^32
），并映射到这个环上。后续的资源也通过此算法哈希自己的 ID 并定位到环上。资源在环上顺时针找到的第一台服务器就是它存储的服务器（如：2、1 存放在 A 服务器）。
一致性哈希算法的优点
假设，服务器B 出现了故障，我们现在需要将服务器B移除，那么，我们将上图中的服务器B 从 hash 环上移除即可。此时客户端取资源 3 的缓存将到服务器C 中获取，资源3的缓存后续也存在服务器C 中。
如果使用之前的hash算法，服务器数量发生改变时，所有服务器的所有缓存在同一时间失效了，将引起缓存雪崩。
而使用一致性哈希算法时，服务器的数量如果发生改变，并不是所有缓存都会失效，而是只有部分缓存会失效，前端的缓存仍然能分担整个系统的压力，而不至于所有压力都在同一时间集中到后端服务器上。
hash环的偏斜
hash环的偏斜的概念
在实际的映射中，服务器可能会被映射成如下模样。A、B、C 三台服务器并没有被合理的平均的充分利用，缓存分布的极度不均匀，而且，如果此时服务器A出现故障，那么失效缓存的数量也将达到最大值，在极端情况下，仍然有可能引起系统的崩溃，下图中的情况则被称之为 hash环的偏斜。
hash环的偏斜的解决方式：虚拟节点
将现有的物理节点通过虚拟的方法复制出来，这些由实际节点虚拟复制而来的节点被称为”虚拟节点”。
引入虚拟节点的概念后，缓存的分布就均衡多了，如果你还不放心，可以虚拟出更多的虚拟节点，以便减小hash环偏斜所带来的影响，虚拟节点越多，hash环上的节点就越多，缓存被均匀分布的概率就越大。