海量数据如何“安家”？一文读懂哈希、范围和一致性哈希三大分片策略

哈希分布

哈希分布（Hash-based Partition）是通过哈希函数（如MD5、SHA-1或简单取模）将数据的键（Key）映射到固定范围的哈希值，再根据哈希值将数据分配到不同的节点。

哈希分布（Hash-based Partition）通过一个确定的哈希函数（如MurmurHash、CRC32，或者简单的取模运算；MD5、SHA-1等加密哈希也可用于需要强随机性的场景，但通常计算开销较大）作用于数据的某个键（Key），将键映射到一个固定范围的哈希值。然后，根据哈希值（例如，hash(key) % num_nodes）将数据分配到对应的节点。

良好的哈希函数可以将数据尽可能均匀地散列到各个节点，避免数据倾斜，从而实现负载均衡。然而，当集群中的节点数量发生变化（增减节点）时，如果采用简单的取模方式（% num_nodes），绝大多数数据的哈希映射关系都会改变，导致大规模的数据迁移（如节点从10个扩容到11个，约90%的数据需要迁移）。