Redis 集群分片算法
引入哨兵模式后，提高了系统的可用性，但由于哨兵节点不存储数据，不能缓解主从节点存储数据的压力，随着主节点与从节点的数据越来越多，最后会超出存储限制。
这时就需要引入 Redis 集群，即在系统中使用多台主节点与从节点共同存储数据，将一个主节点与若干从节点分为一组，每一组都存储一部分数据（分片），加起来就构成了数据的全部。
在上述的情况中，就涉及到将数据分成多个分片。下面介绍三种主流的分片方式。
哈希求余
由于 Redis 中的数据都是键值对结构，就可以根据其中的 key 计算哈希值，将这个值余上分片的数量，得到的结果就是需要存储在哪个分片中。
后续需要根据这个 key 取出数据时，也是先使用同样的算法计算哈希值，将得到结果余上分片的数量，就可以得到数据存储在哪个分片中。
比如，某个 key 计算出的哈希值是5，一共有3个分片，5 % 3 => 2，就是将数据存储在2号分片中。
但是上面的方式存在一定的问题，当该集群需要扩容时，就会有很大的数据搬运成本。
在扩容前，有三个分片，扩容后，有四个分片。当扩容后，只有3个 key 没有被搬运，剩下的21个 key 都需要搬运，当数据量变大时，搬运成本就会很大。
一致性哈希算法
- 将 0 - 2 ^ 32 - 1 的数据空间，映射到一个圆上，数据按顺时针方向增长
- 现有三个分片，就将圆分成三个区域
- 现在有一个 key，