大家好，今天小编关注到一个比较有意思的话题，就是关于hash面试技巧的问题，于是小编就整理了1个相关介绍hash面试技巧的解答，让我们一起看看吧。
J***A面试又被问一致性hash算法，到底啥是一致性hash？
环割法（一致性 hash）
环割法的原理如下：
1. 初始化的时候生成分片数量 X × 环割数量 N 的固定方式编号的字符串，例如 SHARD-1-NODE-1，并计算所有 X×N 个字符串的所有 hash 值。
2. 将所有计算出来的 hash 值放到一个排序的 Map 中，并将其中的所有元素进行排序。
3. 输入字符串的时候计算输入字符串的 hash 值，查看 hash 值介于哪两个元素之间，取小于 hash 值的那个元素对应的分片为数据的分片。
跳跃法（jumpstringhash）
跳跃法的原理如下：
1. 根据公式：
将数据落在每一个节点的概率进行平均分配。
2. 对于输入的字符串进行计算 hash 值，通过判断每次产生的伪随机值是否小于当前判定的节点 1/x，最终取捕获节点编号最大的作为数据的落点。
我来给大家讲讲一致性hash算法，如果有理解错误的地方，也请大家留言指正。
就拿Redis来举例吧，我们经常会用Redis做缓存，把一些数据放在上面，以减少数据的压力。
当数据量少，访问压力不大的时候，通常一台Redis就能搞定，为了高可用，弄个主从也就足够了；
当数据量变大，并发量也增加的时候，把全部的缓存数据放在一台机器上就有些吃力了，毕竟一台机器的***是有限的，通常我们会搭建集群环境，让数据尽量平均的放到每一台Redis中，比如我们的集群中有三台Redis。
那么如何把数据尽量平均地放到这三台Redis中呢？最简单的就是求余算法：hash(key)%N，在这里N=3。
看起来非常地美好，因为依靠这样的方法，我们可以让数据平均存储到三台Redis中，当有新的请求过来的时候，我们也可以定位数据会在哪台Redis中，这样可以精确地查询到缓存数据。
一致性hash算法，常被应用到分布式集群缓存中。
其原理主要是把节点(做缓存的物理主机，如IP)和数据(要缓存的具体数据)都做一次哈希运算，然后把数据缓存到哈希运算后离得最近的节点上去。
此处借个图
其中，右边的深蓝色的表示节点，橘色的表示数据，然后按顺时针方向去寻找最近的节点就可以了……
第一，节点和数据在哈希运算(取模)过程中用到的除数是一致的。如节点的哈希运算为hash(服务器的IP地址)% 2^32，数据的哈希运算为hash (数据名称)% 2^32等。
第三，节点的分布可能并不是均衡的，所以会加入左边浅蓝色的虚拟节点。
优点
万一有节点挂掉或者新加节点，不会影响其它的节点和缓存数据，原因很简单，就在那个取模的除数上。
其实不光光是J***a面试，其它编程语言的面试过程中往往也会问及一致性Hash算法问题，不少开发者可能听说过“一致性Hash”这个术语，但却不了解什么是一致性Hash，一致性Hash是用来解决什么问题的。
不少人容易把“Hash算法”与“一致性Hash算法”混淆，甚至认为两者是同个意思。其实，“Hash算法”与“一致性Hash算法”是不同的概念，“一致性Hash算法”是一种特殊的“Hash算法”！
1、Hash算法
Hash算法有很多种说法，如：散列函数、哈希算法等，它是一种函数，用来把任意长度的内容通过Hash算法转换为固定长度的输出。
常见的Hash算法有：MD5、SHA1等。MD5都用过，任何长度的字符串经过MD5处理后会得到固长的Hash值。
2、一致性Hash算法
一致性Hash算法是在Hash算法基础上建立和改进的，它是一种分布式算法，能确保数据的分布平衡性，常用于负载均衡类的应用。
1、普通取模Hash
普通取模（余数）Hash算法很简单，就是：Hash值 % 节点数 。这种方式，一旦节点数变化了，原先的Hash结果与节点的映射全部失效！
到此，以上就是小编对于hash面试技巧的问题就介绍到这了，希望介绍关于hash面试技巧的1点解答对大家有用。
