一致性哈希（Consistent Hashing）是一种用于分布式计算中的哈希算法，它解决了节点的动态加入和移除对数据分布的影响问题。一致性哈希通过将哈希空间映射到一个环状空间，并将数据和节点都映射到该环上，从而实现了节点和数据的动态负载均衡。
一致性哈希算法的基本思想是将哈希空间使用一个环状结构表示，每个节点通过哈希算法映射到环上的一个位置。当需要存储或查找数据时，通过哈希算法计算数据的哈希值，并将其映射到环上的一个位置。然后顺时针找到第一个大于等于该位置的节点，将数据存储在该节点上。这样，当节点加入或离开系统时，只有少量数据需要重新映射，大部分数据仍然可以在原来的位置上找到，从而减少了数据的迁移量。
以下是一些常见的一致性哈希算法：
1. Ketama算法：Ketama算法是Memcached在一致性哈希上的改进，它通过虚拟节点（虚拟副本）的方式增加了数据的均衡性，并且支持节点的动态加入和移除。
2. Rendezvous（HRW）算法：HRW算法基于随机权重的一致性哈希算法，每个节点被赋予一个随机的权重，数据通过哈希计算后选择具有最高权重的节点存储。
3. JumpHash算法：JumpHash算法是一种简单而高效的一致性哈希算法，它使用了类似于跳表（Skip List）的思想，在哈希空间中进行跳跃式的查找，从而快速确定数据应该存储在哪个节点上。
4. Maglev算法：Maglev算法是Google提出的一致性哈希算法，它通过矩阵排列和随机排列的方式实现了高效的负载均衡和节点故障的容错能力。
这些算法在实际应用中都有一定的优劣势，选择适合特定场景的一致性哈希算法需要考虑节点数量、负载均衡要求、性能需求等因素。