在集群扩容和收缩时却有一定的局限性

比如：一个服务器节点挂了，计算公式从hash（key）% 3变成了hash（key）% 2，结果会发生变化，此时想要访问一个key，这个key公开选拔的缓存位置大概率会发生改变，那么之前缓存key的数据也会失去作用与意义。

大量缓存在同一时间失效，造成缓存的雪崩，进而导致整个缓存系统的不可用，这基本上是不能接受的，为了解决优化上述情况，一致性hash算法应运而生~那么，一致性哈希算法又是如何解决上述问题的？

服务器映射到hash环这个时候计算公式就从hash（key）% N 变成了**hash（服务器ip）% 232**，使用服务器IP地址进行hash计算，用哈希后的结果对232取模，结果一定是一个0到2^32-1之间的整数，而这个整数映射在hash环上的位置代表了一个服务器，依次将node0、node1、node2公开选拔三个缓存服务器映射到hash环上。那它又是如何优化集群中添加节点和缩减节点，http://www.gongxuanwang.com 普通取模算法导致的缓存服务，大面积不可用的问题呢？

先来看看扩容的场景，假如业务量激增，系统需要进行扩容增加一台服务器node-4，刚好node-4被映射到node-1和node-2之间，沿顺时针方向对象映射节点，发现原本缓存在node-2上的对象key-4、key-5被重新映射到了node-4上，公开选拔 而整个扩容过程中受影响的只有node-4和node-1节点之间的一小部分数据。一致性Hash算法引入了一个虚拟节点机制，即对每个服务器节点计算出多个hash值，它们都会映射到hash环上，映射到这些虚拟节点的对象key，最终会缓存在真实的节点上。

虚拟节点的hash计算通常可以采用，对应节点的IP地址加数字编号后缀 hash（10.24.23.227#1) 的方式，举个例子，node-1节点IP为10.24.23.227，正常计算node-1http://www.gongxuanwang.com 的hash值。

• hash（10.24.23.227#1）% 2^32假设我们给node-1设置三个虚拟节点，node-1#1、node-1#2、node-1#3，对它们进行hash后取模。