如果有n个缓存服务器，常见的负载均衡方法是使用如下哈希方法
服务器序号＝ hash(key) % N (N 代表服务器池的大小）这个方法在服务器池大小固定不变时效果很好，并且数据的分布是均匀的，但 当添加服务器或现有服务器被移除时问题就产生了。
N 变了，大部分的键都被重新分配了。一致性哈希是缓解这个问题的有效技术。
定义，一致性哈希是一种特殊的哈希，如果一个哈希表被调整了大小，那么使用一致性哈希，则平均只需要重新映射
k/n 个键，k 是键的数量，n 是槽的数量。
大多数传统的哈希表中，只要槽的数量有变化，几乎所有的键都需要重新映射一遍。
假设我们使用 SHA-1 作为哈希函数f, 哈希函数的输出值范围是 ：
xO, x 1, x2, x3, …， xn。
在密码学里，SHA-1 的哈希空间是 0 到 2^160 - 1，这意味着
x0 对应 0，xn 对应 2^160 - 1。
连接 x0 和 xn 两端，得到哈希环。
使用同样的哈希函数f，根据服务器的IP或者名字将其映射到哈希环上
这里使用哈希函数 没有求余运算，4个键 key0、key1、key2、key3 被映射到哈希环上。
为了确定某个键存储在哪个服务器上，从这个键在环上的位置开始顺时针查找，直到找到一个服务器为止。
按照上面描述的逻辑，如果在哈希环中添加一个新的服务器，只有少部分键需要被重新 映射到新的服务器，大部分键的位置保持不变。
当一个服务器被移除时，如果使用一致性哈希，就只有一小部分键需要重新分配位置。
一致性哈希算法是MIT的 David Karger 等人首先提出的，基本步骤如下：
两个问题：
一，考虑到可以添加或移除服务器，所以很难保证哈希环上所有服务器的分区大小相同。分区是相邻服务器之间的哈希空间。在哈希环上分配给每个服务器的分区可能很小，也可能很大
二，有可能键在哈希环上是非均匀分布的
虚拟节点是实际节点在哈希环上的逻辑划分或映射，每个服务器都可以用多个虚拟节点来表示。
为了找到某个键存储在哪个服务器上，从这个键所在的位置开始，顺时针找到第一个虚拟节点。
当虚拟节点的数量增加时，键的分布就会变得更均匀，这是因为有更多虚拟节点之后，标准差会变小， 从而导致数据分布更均匀。标准差衡量的是数据的分散程度。
当添加或移除服务器时，有一部分键需要重新分配位置，如何找到受影响的键的范围并重新为它们分配位置呢？
从新添加的节点开始，沿着哈希环逆时针移动，直到遇到另一个服务器为止，就是受影响的键的范围。
从被移除的节点开始，沿着哈希环逆时针移动，知道遇到另一个服务器为止，就是受影响的键的范围。
