经典题解析：取模分片一扩容就翻车？一致性哈希怎么解

深蓝黑背景品牌封面：左侧大标题「取模分片，一扩容就翻车」，副标题「一致性哈希与虚拟节点怎么解」；右侧原创装饰——一个哈希圆环，环上三个服务器节点圆点与若干 key 小点沿顺时针归属到各自节点；顶部标注「经典面试题解析 · 缓存」与「Day 04 · 09-22」图 1：本文封面，点明题目与一致性哈希的解法方向。

先说明属性：这是一篇经典题解析，题目出自本地历史面试资料（见文末来源说明），与任何公司的当前招聘无关。这是一道把「分布式缓存怎么分片」压缩成一行公式的题：公式好背，但它翻车的代价和修复方案的原理，才是面试官真正想听的。

想象面试现场，面试官问：「缓存数据按 hash(key) 对节点数取模分片，现在加一台机器，会发生什么？怎么改进？」

第一步，审题。

取模分片的问题不在分片本身，在于分片函数里藏着节点数。hash(key) mod N 里 N 一变，几乎所有 key 的归属都要重算。对缓存来说，这意味着扩容的瞬间旧映射大面积失效，全部请求穿透到数据库——扩容本来是救命的，结果成了雪崩的导火索。题目考的就是：你能不能说出失效的比例，以及怎么把重映射的代价降下来。

第二步，基础回答：一致性哈希。

把哈希值想象成一个 0 到 2³² 的圆环。每台服务器节点按标识算哈希、落在环上某个位置；每个 key 也算哈希落在环上，沿顺时针方向遇到的第一个节点就是它的归属。

现在新增节点 D，它落在环上某处，只有「前一个节点到 D 之间这一段弧」上的 key 需要改归 D，其余 key 纹丝不动。理论期望上，从 n 台扩到 n+1 台，只有约 1/(n+1) 的 key 迁移——3 台扩 4 台只动四分之一，而不是取模方案的四分之三。节点少时还有个小毛病：几个点在环上分布不均，负载倾斜。解法是虚拟节点——每个物理节点映射成上百个虚拟点撒在环上，分布自然摊匀，迁移也更平滑。

第三步，用可运行代码实测。

下面这份代码分别实现取模分片与带虚拟节点的一致性哈希，实测扩容时 key 的迁移比例，用 Node.js 22.15.0 直接运行（node consistent-hash.js）即可：

'use strict';

const { createHash } = require('node:crypto');

function hash32(s) {
  return createHash('md5').update(s).digest().readUInt32BE(0);
}

// 方案一：hash(key) % 节点数
function modAssign(key, nodeCount) {
  return hash32(key) % nodeCount;
}

// 方案二：一致性哈希——key 沿环顺时针遇到的第一个虚拟节点即归属
function buildRing(nodes, vnodesPerNode) {
  const ring = []; // [位置, 物理节点]
  for (const node of nodes) {
    for (let v = 0; v < vnodesPerNode; v++) {
      ring.push([hash32(`${node}#${v}`), node]);
    }
  }
  return ring.sort((a, b) => a[0] - b[0]);
}
function ringAssign(key, ring) {
  const pos = hash32(key);
  for (const [p, node] of ring) {
    if (p >= pos) return node;
  }
  return ring[0][1]; // 越过环尾，绕回第一个节点
}

const KEYS = 10000;
const keys = Array.from({ length: KEYS }, (_, i) => `user:${i}`);
const oldNodes = ['A', 'B', 'C'];
const newNodes = ['A', 'B', 'C', 'D']; // 扩容一台

// 取模：3 台 -> 4 台
let movedMod = 0;
for (const k of keys) {
  if (modAssign(k, 3) !== modAssign(k, 4)) movedMod++;
}

// 一致性哈希（每节点 150 个虚拟节点）：3 台 -> 4 台
const VNODES = 150;
const ring3 = buildRing(oldNodes, VNODES);
const ring4 = buildRing(newNodes, VNODES);
let movedRing = 0;
for (const k of keys) {
  if (ringAssign(k, ring3) !== ringAssign(k, ring4)) movedRing++;
}

console.log(`共 ${KEYS} 个 key，从 3 节点扩到 4 节点`);
console.log(`取模分片迁移：${movedMod} 个（${((movedMod / KEYS) * 100).toFixed(1)}%）`);
console.log(
  `一致性哈希迁移：${movedRing} 个（${((movedRing / KEYS) * 100).toFixed(1)}%），理论期望约 1/4`
);

// 虚拟节点对分布均匀性的影响
function spread(nodes, vnodes) {
  const ring = buildRing(nodes, vnodes);
  const count = new Map(nodes.map((n) => [n, 0]));
  for (const k of keys) count.set(ringAssign(k, ring), count.get(ringAssign(k, ring)) + 1);
  return [...count.values()];
}
const uneven = spread(oldNodes, 1);
const even = spread(oldNodes, VNODES);
console.log(`无虚拟节点时三节点分布：${uneven.join(' / ')}（期望各 ${(KEYS / 3).toFixed(0)}）`);
console.log(`每节点 ${VNODES} 个虚拟节点时：${even.join(' / ')}`);

实测输出如下：

共 10000 个 key，从 3 节点扩到 4 节点
取模分片迁移：7391 个（73.9%）
一致性哈希迁移：2322 个（23.2%），理论期望约 1/4
无虚拟节点时三节点分布：309 / 5614 / 4077（期望各 3333）
每节点 150 个虚拟节点时：3358 / 3465 / 3177

四行输出各自对应一个考点：取模方案扩容后近四分之三的 key 换了家，缓存约等于清空；一致性哈希只迁 23%，贴着理论值 1/4；不配虚拟节点时三台机器分到 309/5614/4077，倾斜到离谱；配上 150 个虚拟节点后，三台基本各占三分之一。数字比概念更有说服力。

原理图：左侧哈希环上分布着节点 A、B、C 与若干 key 小点，每个 key 沿顺时针遇到的第一个节点即其归属；新增节点 D 插入 A 与 C 之间的弧后，只有 A 到 D 之间这一段弧上的 key 从 C 改归 D，其余纹丝不动。右侧三行对比：取模 hash 对节点数取模，扩容后几乎全部 key 重新映射、缓存大面积失效；一致性哈希只迁移相邻一段弧、约 1/(n+1) 的 key；虚拟节点让每个物理节点映射上百个虚拟点，分布更均匀、迁移更平滑，解决节点少时的数据倾斜图 2：哈希环上扩容只迁移相邻一段弧，虚拟节点摊匀分布。

可能的追问。

「缩容呢？」对称的——下线的节点只把它那段弧交还给顺时针方向的下一个节点。「一致性哈希就够了吗？」工程上常配合迁移期双读（新旧映射各查一次）平滑过渡；现代缓存代理与客户端分片库大多内置了这套机制。「为什么还要虚拟节点？」实测的分布行就是答案：节点少、虚拟点少时倾斜严重，虚拟节点是用少量内存换均匀性。

易错点清单。

一，说不出取模翻车的比例——N 变 1，约 (N-1)/N 的 key 重映射。二，只会画环，讲不清 key 的归属规则是「顺时针第一个节点」。三，漏掉虚拟节点，节点一少负载倾斜就答不上来。四，把一致性哈希当成持久化方案——它管的是映射与迁移，数据本身还是要靠副本与回填。

回到面试现场，建议的答题节奏：先点破取模函数里藏着 N，给出扩容大面积失效的结论；再画环讲归属规则与迁移范围，主动报出 1/(n+1) 的期望值；最后补虚拟节点解决倾斜。三步讲完，这道题就从「背概念」变成「懂设计」了。

embedding 缓存、会话路由、推理实例分片，本质都是同一个扩缩容问题。你在生产里做缓存扩容时，用的是一致性哈希、槽位分区还是别的方案？欢迎聊聊。

参考资料

Node.js v22.x 官方 API 文档（文中代码运行环境为 Node.js 22.15.0，node:crypto 哈希与 Map 行为以此为准） — https://nodejs.org/docs/latest-v22.x/api/

经典题解析：取模分片一扩容就翻车？一致性哈希怎么解

参考资料

相关阅读