4. 热点Key的散列(Sharding)技术：给Key加随机后缀、一致性哈希与虚拟节点、散列后的合并读取

当单个Redis实例因热点Key遭遇流量冲击时，最直接的应对策略是将单一热点Key拆分为多个散列子Key，使读写压力分散到不同的分片或节点上。本节从基础的后缀散列出发，逐步深入到一致性哈希与虚拟节点，最后给出散列后的合并读取方案。

4.1 给Key加随机后缀：最简单的散列手段

对于读多写少的热点Key（如爆款商品详情、秒杀库存），可以在Key末尾追加随机数或时间戳，将请求均匀路由到多个副本Key上。

4.2 一致性哈希与虚拟节点：分布式环境下的散列基石

当热点Key需要跨多个Redis节点（或集群分片）散列时，简单取模会导致节点增减时大量Key迁移。一致性哈希通过将Key和节点映射到同一个哈希环上，实现最小化数据迁移。虚拟节点则解决节点分布不均导致的数据倾斜问题。

4.3 散列后的合并读取

散列只是手段，读取时必须将多个子Key的结果合并为完整数据返回给客户端。合并策略直接影响延迟和复杂度。

4.3.1 合并读取的三种模式

4.3.2 合并读取的代码示例（Java + Jedis）

// 热点Key散列：product:1001:detail 拆分为 16 个子Key
int shardCount = 16;
String baseKey = "product:1001:detail";

// 写入时：向所有子Key写入相同数据
for (int i = 0; i < shardCount; i++) {
    String shardKey = baseKey + ":" + i;
    jedis.setex(shardKey, 300, productJson);
}

// 读取时：随机选择一个子Key（读多写少场景）
int randomShard = ThreadLocalRandom.current().nextInt(shardCount);
String shardKey = baseKey + ":" + randomShard;
String result = jedis.get(shardKey);

// 若需要完整一致性，使用MGET合并所有子Key
List<String> keys = new ArrayList<>();
for (int i = 0; i < shardCount; i++) {
    keys.add(baseKey + ":" + i);
}
List<String> values = jedis.mget(keys.toArray(new String[0]));
// 合并逻辑：取第一个非空值，或按业务规则聚合
String merged = values.stream().filter(Objects::nonNull).findFirst().orElse(null);

4.4 散列策略选型对比