1.业务场景

假设有30000张图片需要存放到编号为1、2、3的3台服务器上。

2.传统hash算法

假设有30000张图片需要存到3台服务器上，先给服务器编个号1、2、3，那么很显然使用设计一个碰撞小的hash函数，对每个图片的唯一标识（图片编号之类的）进行hash运算，然后将hash值%3=该图片应该存放的服务器编号。

当需要查找该图片的时候用key来重复以上过程就可以知道图片存放的位置在哪里。

传统hash算法的缺陷：

一旦新增一个服务器结点，会影响全局，需要全局重新进行hash运算。

2.一致性hash算法

2.1.算法过程

一致性hash算法不再是对服务器的数量进行取模，而是对“hash环”进行取模。

hash环：

假设有2的32次方个点，组成了一个虚拟的环，这个环称为hash环。之所以是2的32次方是因为32位（不用64位是为了向下兼容）的操作系统1个指针是4字节，1个字节是8位，也就是说1个指针能指向的内存地址有2的32次个。

一致性hash算法的过程：

整个过程开始前先对服务器进行散列，取服务器的唯一标识（一般就是用IP地址了）计算出服务器的hash值在hash环上对应的点。

然后进行图片的散列，取图片的唯一标识进行hash运算，然后将得到的hash值对2的32次方进行取模得到图片在hash环上的对应的点，如果这个点正好落在服务器上那就说明图片应该存在这台服务器上，如果没有则找到顺时针方向的第一台服务器，这台服务器就是图片应该存储的服务器。

2.1.一直性hash算法的优点

如果新增一台服务器D，可以发现受影响的就只有一小部分，大部分的数据都不会受影响，

查找的时候都可以准确的找到。要重新做hash运算，重新进行散列的也只有受影响的那一小部分。

2.2.一致性hash算法的缺点

hash偏斜，即存在服务器结点能映射到它上面的hash值明显要多于其他结点，直白点说就是在hash环上管了更多的范围，存了更多的图片。上图三台服务器分布在hash环上的位置是均匀的，但是这种理想情况很少，现实中很可能都是分布不均匀的，比如按照下图，可以明显看到很大几率运算出来的图片存放位置会是A，这样也会造成存储的不均匀。