在数据库设计的时候 我们需要考虑数据量的大小，当数据量比较大的时候我们会考虑分表或者分表，那么一般我们分库分表怎么去分呢？
首先我们常用的分库分表是按用户、订单、时间、地区等这些维度去分，尽量保证每个库每个表数据是均衡的，如果数据不均就失去分库分表的意义，严重时，甚至可能影响系统性能和稳定性。 分布不均我们又叫 数据倾斜，特别严重时，就要考虑二次分表了，也就是添加一定数量的表，然后按照相应规则将对应的数据迁移到新表中。
这里我们就可以利用一致性哈希算法对倾斜的数据表进行二次分表。
首先，一致性哈希算法可以动态添加虚拟节点，在不增加表的情况下，减少数据倾斜。其次，一致性Hash算法在应对增加一张表这种场景时，只会引发部分数据迁移，不会像普通的Hash算法一样导致需要迁移几乎所有数据。如果没明白上面两句话的意思，不要紧，继续往下看。
一致性hash采用环形设计思路，根据 节点（库，表）的Hash值将所有节点映射到Hash环上，在我们查询和写入数据时，会根据该数据的Hash值计算出该数据在Hash环上的位置，然后从 该位置开始按顺时针方向找到Hash环上最近一个节点，这个节点就是该数据对应的节点（库，表）
实际使用中，由于服务器节点数量有限， 很有可能出现数据分布不均匀的情况。这个时候会出现大量数据都被映射到某一个节点的情况，如下图左侧所示。为了解决这个问题，一致性Hash算法巧妙利用 了虚拟节点。虚拟节点是实际节点在Hash环上的复制品，一个实际节点可以对应很多的虚拟节点。虚拟节点越多，Hash环上的节点也就越多，数据分布也会 越均匀。
如上图右侧所示，B'、C'、D' 是原始节点复制出来的虚拟节点，原本映射到节点D上的数据1和4，分别被映射到了B'和D'，最终会落到对应的真实节点B和D上。我们可以看到，虚拟节点让数据分布更均匀了。