背景
一致性哈希算法在1997年由麻省理工学院的Karger等人在解决分布式Cache中提出的，设计目标是为了解决因特网中的热点(Hot spot)问题，初衷和CARP十分类似。一致性哈希修正了CARP使用的简单哈希算法带来的问题，使得DHT可以在P2P环境中真正得到应用。
算法思路
- 将整个哈希值空间组织成一个虚拟的圆环，如假设某哈希函数H的值空间为0-2^32-1（即哈希值是一个32位无符号整形），整个哈希环如下：
-
整个空间按顺时针方向组织，圆环的正上方的点代表0，0点右侧的第一个点代表1，以此类推，2、3、4、5、6……直到232-1，也就是说0点左侧的第一个点代表232-1， 0和232-1在零点中方向重合，我们把这个由232个点组成的圆环称为Hash环。
-
下一步将各个服务器使用Hash进行一个哈希，具体可以选择服务器的IP或主机名作为关键字进行哈希，这样每台机器就能确定其在哈希环上的位置
-
接下来使用如下算法定位数据访问到相应服务器：将数据key使用相同的函数Hash计算出哈希值，并确定此数据在环上的位置，从此位置沿环顺时针“行走”，第一台遇到的服务器就是其应该定位到的服务器！
例如我们有Object A、Object B、Object C、Object D四个数据对象，经过哈希计算后，在环空间上的位置如下：
-
根据一致性Hash算法，数据A会被定为到Node A上，B被定为到Node B上，C被定为到Node C上，D被定为到Node D上。
负载均衡
普通哈希
扩缩容后，命中率大大降低，带来了缓存穿透的问题。
倍增扩容
成倍扩容能有效解决扩容后带来的缓存穿透问题，但这样做会造成资源的浪费。
一致性哈希
扩缩容后，只会影响其中的一个节点的数据，命中率只降低1/N。
数据倾斜
一致性哈希算法要得到较好的效果，取决于各个实体节点在哈希环的分布情况，是否能分散。
为了解决数据很可能分布不均匀的情况，对一致性哈希算法，提出了改进，引入了虚拟节点的，可以设置一个哈希环中存在多少个虚拟节点，然后将虚拟节点映射到实体节点，从而解决数据分布吧均衡的问题。
不过，也带来了如下问题：
- 虚拟节点映射到实体节点。
- 节点过多，性能降低。
节点hash值计算方法：
真实节点：hashcode(keyA)、hashcode(keyB)
虚拟节点：hashcode(keyA#1)、hashcode(keyB#1) 、hashcode(keyA#2)、hashcode(keyB#2)
优缺点
优点：分布式扩容、缩容能有效避免缓存穿透的问题。
缺点：实现复杂，性能低下，运维管理复杂。
负载均衡算法选择
如果服务是无状态的，选择：轮循、加权轮循、随机、加权随机算法。
如果服务是有状态的，选择：一致性哈希算法。
目前来说，一致性哈希算法有点被滥用的趋势。