一致性哈希解决什么问题

折腾了好几天终于搞定了，核心其实不难，但有几个坑容易踩。把要点列出来，省得大家再走弯路。

先搞清楚原理

一致性哈希的底层原理涉及异常处理。用代码演示比画图更直观：

def quicksort(arr: list) -> list:
    if len(arr) <= 1:
        return arr
    pivot = arr[len(arr) // 2]
    left = [x for x in arr if x < pivot]
    middle = [x for x in arr if x == pivot]
    right = [x for x in arr if x > pivot]
    return quicksort(left) + middle + quicksort(right)

import time, random
data = [random.randint(0, 10000) for _ in range(10000)]
start = time.time()
sorted_data = quicksort(data)
elapsed = time.time() - start
print(f'排序10000个元素耗时: {elapsed*1000:.2f}ms')
print(f'验证排序: {sorted_data == sorted(data)}')

实际怎么用

实际编码中，一致性哈希的用法可以简化。下面是我在项目中用的写法，经过几轮迭代优化过：

class Graph:
    def __init__(self):
        self.adj = {}

    def add_edge(self, u, v, weight=1):
        self.adj.setdefault(u, []).append((v, weight))
        self.adj.setdefault(v, []).append((u, weight))

    def bfs(self, start):
        from collections import deque
        visited = {start}
        queue = deque([start])
        order = []
        while queue:
            node = queue.popleft()
            order.append(node)
            for neighbor, _ in self.adj.get(node, []):
                if neighbor not in visited:
                    visited.add(neighbor)
                    queue.append(neighbor)
        return order

    def dijkstra(self, start):
        import heapq
        dist = {start: 0}
        heap = [(0, start)]
        while heap:
            d, u = heapq.heappop(heap)
            if d > dist[u]: continue
            for v, w in self.adj.get(u, []):
                new_dist = d + w
                if v not in dist or new_dist < dist[v]:
                    dist[v] = new_dist
                    heapq.heappush(heap, (new_dist, v))
        return dist

g = Graph()
for u, v, w in [('A','B',4),('A','C',2),('B','D',3),('C','D',1)]:
    g.add_edge(u, v, w)
print(f'BFS: {g.bfs("A")}')
print(f'最短路径: {g.dijkstra("A")}')

进阶一点的用法

进阶一点的话，一致性哈希还有一致性保证这个方向可以探索。原理不展开，直接看关键代码：

容易踩的坑

说几个容易踩的坑。第一个是异常处理的问题，很多人在这上面栽过跟头。第二个是版本兼容性，不同版本行为可能不一样。第三个是边界情况，空值和异常输入要处理好。

写在最后

总结一下，一致性哈希的关键在于一致性保证。掌握了这个，其他用法都是在这个基础上扩展。建议多写几个小demo练手，光看不动手容易忘。