比较几种相似的算法，了解RedisCluster使用的算法的原因。首先介绍一下单调性：单调性是指如果某些内容已经通过哈希分配给了相应的缓冲区，则系统会添加一个新的缓冲区。散列的结果应该能够保证原来分配的内容能够映射到新的buffer，而不会映射到旧的bufferset中的其他buffer。1、HASH取余算法的简单公式：hash(object)%N应用场景：比如你有N个缓存服务器（以下简称缓存），如何将一个object对象映射到N个缓存中，你大概会用到类似的到下面的通用方法计算对象的哈希值，然后均匀映射到N个缓存；一切运行正常，再考虑以下两种情况；1某缓存服务器m宕机（在实际应用中必须考虑这种情况），所有映射到缓存m的对象都将失效。怎么办，缓存m需要从缓存中移除。此时有N-1个缓存，映射公式变为hash(object)%(N-1)；2由于访问量增加，需要增加缓存。此时有N+1个缓存，映射公式变为hash(object)%(N+1)；1和2是什么意思？这意味着突然几乎所有的缓存都失效了。对于服务器来说，这是一场灾难，洪水般的访问会直接涌向后台服务器；那么再考虑第三个问题，因为硬件能力越来越强，后面添加的节点可能要多做一些工作，显然上面的hash算法也做不到。hash的余数不满足单调性原则。有什么办法可以改变这种情况，这是一致性哈希。2.一致性哈希算法一致性哈希是一种哈希算法。简单的说，就是在移除/添加缓存时，尽可能少的改变已有的键映射关系，尽可能的满足单调性的要求。在一致性哈希算法中，0到2^32-1区间的数字顺时针组成一个环，如下图（图不全，请自行脑补）：在rediscluster，集群服务器对ip或服务器名进行hash函数，然后对2^32取模，得到的数位于上面的环中，得到服务器在环中的位置。当key存入redis集群时，会对key进行hash函数，然后进行2^32取模，得到的值就是key在hashring上的位置。然后从这个位置开始，沿着圆圈顺时针走，直到到达第一个服务器位置，也就是存放密钥的地方。如下图：ObjectA通过hash()函数计算后，取模2^32，得到在hash环上的位置，然后顺时针找到第一个服务器位置，也就是ObjectA存放的位置。ObjectB也是如此。这样的设计有什么好处？我们看下图：上图中，假设C服务器宕机了，那么此时C服务器中存储的key会被传送到D服务器上。同时，顺时针搜索服务器在计算出新增数据在哈希环上的位置后，会直接跳过C，存储到D中。这样，服务器宕机不会影响所有服务器中的数据存储。而是只影响数据在D服务器中的存储内容。这样就避免了哈希检索时如果一台服务器宕机，分母会发生变化，所有服务器中的数据都会发生变化的情况。同样，在添加服务器时，也是在哈希环中寻找加入位置。新数据顺时针找到新添加的服务器后，会存储到新添加的服务器中，不会影响其他服务器的数据。可见哈希共识算法满足单调性原则。那么哈希共识算法有哪些缺点呢？如果有A、B、C三台服务器，通过计算，A和B在哈希环上比较近，B和C，C和A比较远。那么这个时候，数据顺时针落在服务器C和服务器A上的概率就会增加。掉到B服务器的概率很小。这就产生了数据倾斜的问题。数据不能均匀分布。下图也是数据倾斜问题的体现：3.哈希槽算法针对一致性哈希算法中数据倾斜的问题，ReidsCluster进行了优化，推导出了哈希槽算法。这是如何做的。在redis集群中，有一个固定数量的slots：16384，redis会根据clustermaster的数量，平均分配一定数量的slots给每个master节点。Redis会根据key进行hash计算，对16384取模，结果就是slot的个数。哪个服务器分配给这个slot，那么这段数据就会存储在那个服务器上。当redis集群扩容时，集群加入新节点后，需要执行reshard命令重新分配hash。此时，redis将允许用户输入分配的新节点数。一般为16384个槽/主节点个数得到的值，平分数据。选择平分后，上一个节点的每个节点都会被分成一些key，给新的节点，来补足新节点的个数。因为redis的slots总数固定为16384，添加一个新的节点，rehash一次，slots与节点数的对应关系肯定会发生变化。即原节点取出一部分时隙分配给新加入的节点。因为新加入的节点的slot是由其他节点分配的，所以slot的数量不是连续的，而是一段一段的。为什么其他节点均匀过来而不是重新分配所有slot，因为之前的节点已经存储了数据，如果全部重新分配，那么存储的key需要重新排列，所以优先分配不存储keyValue的slot到新节点。Redis集群缩容是将删除的槽平均分配给其他主节点接收数据。在rediscluster集群中，相当于节点上有槽，槽中有数据。通过在节点上均匀分配槽来避免一致性哈希中的数据倾斜问题
