在分布式缓存Redis中，一致性哈希通过构建环形哈希空间和引入虚拟节点，将传统哈希取模的全局数据迁移缩减为局部调整，是保障分布式缓存高可用与扩展性的核心技术。
什么是一致性哈希算法？分布式缓存Redis的核心原理
一致性哈希算法最早由麻省理工学院提出,用于解决分布式缓存中节点动态增减时的数据迁移问题，它的核心思想是将哈希值空间组织成一个首尾相接的环形，范围通常是0到2³²-1，每个缓存节点（如Redis实例）根据自身IP或名称的哈希值放置在环上，数据key经哈希后也落在环上，然后沿顺时针方向找到第一个节点进行存储。参考2
一致性哈希如何解决扩缩容问题
当集群增加或减少节点时,只影响该节点在环上相邻的一段数据，其他数据仍映射到原节点，相比传统哈希取模hash(key) % N，每次节点变更都需要重新计算所有key的映射，一致性哈希将数据迁移量从全部数据降低到仅涉及变更节点相邻区域的数据，在Redis缓存场景中，这意味着扩缩容时大部分缓存可以继续命中，有效避免数据库被瞬间击穿。
虚拟节点解决数据倾斜
物理节点较少时,节点在环上的分布可能不均匀，导致数据倾斜，虚拟节点将每个物理节点映射为多个虚拟节点，均匀分布在环上，使数据分布更接近均匀，多数Redis客户端分片方案（如Jedis的ShardedJedis）默认启用虚拟节点，数量通常设置为物理节点数量的
100倍左右，业内共识认为这能较好平衡分布与性能。参考1
一致性哈希和普通哈希的区别：分布式缓存场景对比
在分布式缓存选型时,理解两者的区别直接关系到系统稳定性，下表总结了关键差异：
| 对比维度 | 普通哈希取模 | 一致性哈希 |
|---|---|---|
| 数据映射方式 | hash(key) % N，N为节点数 |
固定环空间，节点和数据均在环上 |
| 节点增减影响 | 所有数据重新映射，缓存几乎全部失效 | 仅影响相邻节点数据，其余不动 |
| 数据迁移量 | 全部数据 | 仅变化节点相邻部分 |
| 缓存雪崩风险 | 高，节点增减可能导致大量请求直接落到数据库 | 低，大部分缓存仍有效 |
| 实现复杂度 | 简单，直接计算取模 | 需要维护环和虚拟节点，复杂度略高 |
为什么Redis Cluster不直接使用一致性哈希？
Redis官方集群方案（Redis Cluster）采用哈希槽（hash slot）机制，将数据划分为16384个槽，每个节点负责一部分槽，槽的分配可以手动调整，并支持自动重平衡，哈希槽本质上是固定分区，而一致性哈希是动态映射
，两者各有适用场景：Redis Cluster适合大规模节点稳定的场景，一致性哈希常用于客户端分片、代理层（如Twemproxy、Codis）以及需要灵活扩缩容的私有化部署，在分布式缓存一致性哈希面试中，经常被问及这两者的优劣，理解它们的设计背景能帮助做出更合理的技术选型。参考2
分布式缓存Redis中一致性哈希的实现与虚拟节点
在Java生态中,Jedis的ShardedJedis是实现一致性哈希的典型客户端，它通过ShardInfo封装节点信息，并内置了一致性哈希与虚拟节点算法，下面是一个简化实现步骤：
- 创建
List<JedisShardInfo>，包含各个Redis节点的地址和权重。 - 初始化
ShardedJedisPool，内部使用一致性哈希算法构建环。 - 设置虚拟节点数（默认为160，通常足够）。
- 通过
ShardedJedis.getShard(key)获取key对应的节点，执行读写操作。
虚拟节点的配置与优化
虚拟节点数过少会导致数据倾斜,过多则增加内存和计算开销，在Redis缓存场景中，当物理节点数少于10个时，建议将虚拟节点数设为160-320个；节点数较多时，可适当减少，实际操作中，可以在ShardedJedisPool构造函数中传入ShardedJedisPoolConfig并调整maxTotal等参数，但对虚拟节点数的调整直接影响分布均匀性，需根据负载测试验证。
一致性哈希在Redis集群中的实际场景
以电商商品缓存为例：商品ID作为key，通过一致性哈希映射到特定Redis节点，当大促期间需要临时扩容缓存集群时，只需增加Redis节点，一致性哈希只重新分配少量相邻数据，原有缓存大部分仍可命中，避免数据库压力飙升，在多地部署场景中，一致性哈希还能结合虚拟节点权重控制不同机房节点的数据比例，实现流量调度。
一致性哈希面试常见问题与解答
什么是一致性哈希算法？它解决了什么问题？
一致性哈希是一种将数据分布到多个节点的算法,通过哈希环和虚拟节点，使得节点增减时只需迁移少量数据，解决了分布式缓存中传统哈希取模导致的全局数据迁移和缓存雪崩问题。
一致性哈希如何避免数据倾斜？
引入虚拟节点后,每个物理节点对应多个虚拟节点，均匀分布在哈希环上，让数据分布更均匀，业内专家指出，虚拟节点数通常设为物理节点数量的100倍以上，能有效减少倾斜。
一致性哈希和Redis Cluster的哈希槽有什么区别？
一致性哈希基于环状动态映射,节点增减只需调整部分数据，适合客户端分片；哈希槽将数据固定分区，节点负责槽的集合，集群管理和数据迁移更精细，但复杂度较高，两者都是分布式缓存中常用的数据分布策略，选择取决于对扩展性和运维灵活性的要求。
首发原创文章，作者：王坚，如若转载，请注明出处：https://test.idctop.com/article/532478.html
