参照：https://www.cnblogs.com/moonandstar08/p/5405991.html
参照：http://www.cnblogs.com/haippy/archive/2011/12/10/2282943.html
以下内容，仅供自己理解复习，表达能力有限，还请您见谅！
hash一致性解决的问题：如经典的服务器负载均衡，在前端通过一个相同的hash函数计算出一个数值，取模总服务器数，然后把请求分发到相对应的服务器上，依次实现负载均衡。但是如果突然之间，流量增大，那么就会出现服务器数量要扩容的情况，这样的代价很大，需要重新计算出新的hash，迁移各服务器上的数据。hash一致性正是用来解决这个问题，花少量的代价。
首先我们抛弃原始的hash取模找服务器，而是把hash函数算出来的值用一个抽象的环来表示。假设hash值的范围是0~2^64-1。然后把服务器映射上去，那么每次数据key通过相同的hash算出来一个值，也映射到环上，顺时针查找离服务器最近的点，该服务器就存储着对应的数据，就可以查到了。具体的查找服务器，当然不是遍历，那太耗时了，因为这个每台服务器的hash值用一个有序数组存储起来（大于等于，最右边的），所以可以通过二分的方法来确定相应的最近服务器。
再分析加机器的代价，如果用hash一致性的话，那么每次只需要把前一台服务器对应的环上在其后面的数据给迁移进新加的服务器即可。减服务器，同理，只需把这台服务器的数据转移到环上的后面一台服务器上即可。
这也迎来了两个问题，其一如果服务器数量非常的少，假设只有三台，那么hash函数的概率平均性就很难体现出来了，可能出现三台服务器在环山的距离很近。那么负载就不均衡了，可能某一台服务器要处理90%的数据处理，而其余两台只需分担10%的数据处理。这就很难受了。其二，如果这三台服务器刚好负载均衡，那么再加一台服务器的时候就又不负载均衡了。解决的方法，就是引出一个新的概念，虚拟节点，每台服务器给分配（假设1000个虚拟节点）。每一个虚拟节点都在hash环上占一个值，但是这些虚拟节点对应哪台服务器，就去哪台服务器上找数据。这样就把hash环给均衡了，真的很美妙。
以上所描述的就是一致性hash。把握一下几点：1.抛弃hash取模，而是把hash值拿出来，形成一个环。2.把服务器映射到环上，顺时针找最近的服务器。3.虚拟节点，不把服务器映射上去了，而是把服务器对应的虚拟节点映射上去，用一个路由表记录相应的虚拟节点对应的服务器。这样虚拟节点就完全把hash值相均衡化了，依此，实现负载均衡。