当我们在部署redis节点时，用户链接redis存储数据会通过hash算法来定位具体链接那个redis节点，在redis节点数量没有改变的前提下，之前的用户通过hash算法会固定的链接某一台redis节点，但是若此时我们增加了redis节点，用户再次hash时，能会hash到别的redis机器上，导致用户在redis节点上读取不到对应的数据，这就是redis命中的问题。
redis一致性hash算法：
将用户和redis节点的hash值对应到一个32位的环形数据结构上，环形结构首尾封闭，用户通过hash算法来定位在环形结构上，redis节点也通过hash算法来定位到环形结构上，此时的命中问题就变成了，用户节点通过顺时针旋转，在旋转的过程中若碰到redis节点，就在该节点上读取数据，若此时在环形结构上增加新的redis节点，由于是顺时针寻找对应的redis节点，所以用户此时的redis命中率还是很高的，不会因为增加了一台redis节点就导致大量的用户命中失败的情况出现。
hash倾斜：
上述情况是发生在redis节点均匀分布在环形结构上的情况下，但是若redis节点分布密集，并且集中在环形结构上一侧，那么就会出现，大量的用户节点请求同一台redis服务器，而其余redis服务器处于低请求的情况，若此时再加入一个redis节点，那么同样会导致命中率失败变高。这种情况叫做 hash倾斜。
hash倾斜的解决办法：
增加虚拟节点，假如有1 ，2两台redis节点分布在32位环形结构上，那么我们可以增加大量的虚拟的 1， 2节点在环形结构上。用户命中到虚拟节点之后，在hash到真实的redis机器上。
虽然增加虚拟节点可以解决此问题，但是依然存在hash倾斜的问题，但是随着虚拟节点的大量增加，就会使得出现hash命中失败的现象降到最低。一致性hash算法公式：1-n/(n + m) * 100% n表示真实的redis节点，m表示增加的虚拟节点，可以看到随着虚拟节点的增加，命中失败越来越低。