一致性哈希在upstream中应对节点缩容时的核心优势是仅少量请求重映射，因其基于哈希环与虚拟节点机制，缩容时只影响被删节点顺时针邻近区间；普通哈希则因hash(key)%N随N变化导致70%~90%请求重定向，引发缓存雪崩。
一致性哈希在 upstream 中应对节点缩容时的核心优势，是只让少量请求重映射，而不是全部打乱。它不靠“固定分配”，而是靠哈希环结构把请求和节点都落在同一个逻辑环上，缩掉一台机器，只影响它顺时针方向邻近的一段区间。
缩容时普通哈希会怎样
普通 hash（比如 hash $remote_addr;）本质是 hash(key) % N，N 是当前存活节点数。一旦缩容，N 变小，所有 key 的取模结果几乎全变：
- 原来 5 台机器时，key=123 →
123 % 5 = 3→ 落到 server3 - 缩成 4 台后，
123 % 4 = 3→ 还是 server3？碰巧而已；但 key=124 就从124%5=4变成124%4=0，直接跳到 server0 - 实测中，节点减少 1 台，平均约 70%~90% 的请求会重定向
这导致缓存集体失效、会话中断、连接重建风暴，尤其对 Redis 缓存层或带本地状态的 Java 应用非常致命。
一致性哈希怎么做到“少动”
它把每个后端节点（按 IP+端口）和请求 key 都映射到 0～2³²−1 的环上：
- 每个真实节点默认生成 160 个虚拟节点（权重为 w 的节点生成 w×160 个），均匀散列在环上
- 请求进来后，计算其 key 的 hash 值，顺时针找到第一个虚拟节点，对应的真实节点就是目标
缩掉一台物理机，只是移除它对应的那批虚拟节点。环上其他位置不变，只有原来落到这些被删虚拟节点上的请求，才会顺时针“滑”到下一个最近的虚拟节点——也就是邻近的一小部分请求迁移。
实测数据表明：启用一致性哈希后，单节点缩容引起的请求重映射比例通常低于 8%，远优于普通哈希。
真正起作用的前提条件
光写 consistent 不够，必须满足三点：
- 使用稳定 key：比如
$http_x_real_ip（比$remote_addr更准）、$uri（忽略参数干扰）、或清洗后的$arg_user - 后端节点配置带健康检查：
max_fails=2 fail_timeout=30s，否则宕机节点仍留在环上，请求会失败 - 推荐开启
keepalive 32;：避免重映射后频繁建连，放大抖动
权重怎么参与进来
一致性哈希本身不直接支持 weight，但可通过虚拟节点数量模拟：
- 权重为 3 的节点，等价于在环上部署 3 倍数量的虚拟节点
- Nginx 内部正是按
weight × 160自动计算虚拟节点数，所以server a:8000 weight=3天然比weight=1的节点承接更多请求区间
不复杂但容易忽略
