1.hash取余算法
设有N个分⽚,使⽤[0,N-1]这样序号进⾏编号.
针对某个给定的key,先计算hash值,再把得到的结果%N,得到的结果即为分⽚编号.
举例：N为3.给定key为hello,对hello计算hash值(⽐如使⽤md5算法),得到的结果为bc4b2a76b9719d91 ,再把这个结果%3,结果为0,那么就把hello这个key放到0号分⽚上.
优点:简单高效，数据分配均匀
缺点:扩容后需要大量的数据迁移
2.一致性hash算法
一致性Hash算法也是使用取模的方法，只是1.hash取余算法是对服务器的数量进行取模，而一致性Hash算法是对2^ 32-1取模，简单来说，一致性Hash算法将整个Hash值控件组织成一个虚拟的圆环，如假设某哈希函数H的值空间为0-2^32-1取模（即哈希值是一个32位无符号整型）
整个空间按顺时针方向组织，圆环的正上方的点代表0，0点右侧的第一个点代表1，以此类推，2、3、4、5、6……直到2^ 32-1，也就是说0点左侧的第一个点代表2^ 32-1， 0和2^ 32-1在零点中方向重合，我们把这个由2^32个点组成的圆环称为Hash环。
下一步将各个服务器使用Hash进行一个哈希，具体可以选择服务器的主机名（考虑到ip变动，不要使用ip）作为关键字进行哈希，这样每台机器就能确定其在哈希环上的位置，这里假设将上文中三个master节点的IP地址哈希后在环空间的位置如下：
优点:⼤⼤降低了扩容时数据搬运的规模,提⾼了扩容操作的效率.
缺点:数据分配不均匀(有的多有的少,数据倾斜).
3.hash槽分区算法
1. 哈希槽的概念
Redis集群使用16384个哈希槽来分散键空间。这意味着集群中的每个键都通过计算其哈希值并被映射到这16384个槽中的一个。
2. 哈希槽的分配
在Redis集群中，每个节点负责一部分哈希槽。例如，一个有5个节点的集群可能会将哈希槽平均分配给这5个节点，每个节点负责3276个哈希槽（16384 / 5 = 3276）。
3. 哈希槽的计算
当Redis需要确定一个键应该被存储在哪个节点时，它会使用以下步骤：
计算键的哈希值：使用SHA1哈希函数计算键的哈希值。例如，如果键是
"mykey"，则其哈希值可以通过SHA1(mykey)计算得到。取模运算：将得到的哈希值对16384取模（即哈希值 % 16384），以得到该键应该被映射到的哈希槽编号。
pythonCopyCodehash_slot=hash_value%16384查找节点：根据得到的哈希槽编号，查找该槽被分配到的节点。
)
