数据映射方式

• 普通哈希：将输入通过哈希函数映射到固定范围内的一个值，比如对节点数量取模来确定数据存储位置，通常是将数据均匀地分布在一个固定的哈希空间，如数组或固定大小的存储单元中。
• 一致性哈希：将数据和节点都映射到一个环形的哈希空间上，数据通过计算哈希值，并在环上顺时针找到最近的节点来决定被存储的节点。

扩展性

• 普通哈希：在分布式系统中，当增加或减少节点时，由于是对节点数量取模等方式确定存储位置，会导致大量数据需要重新计算哈希值并重新分配存储位置，扩展性较差。
• 一致性哈希：增加或删除节点时，只会影响到哈希环上该节点附近的少量数据，只需要重新分配少量的数据，大大减少了数据迁移量，扩展性较好。

容错性

• 普通哈希：如果一个节点宕机，普通哈希并不会自动调整数据的分布，可能导致数据无法访问，也不能平衡负载，不具备自动容错机制。
• 一致性哈希：当某个节点出现故障时，数据会自动映射到它在哈希环上周围的其他节点，减少数据丢失的风险，提高了系统的容错性和可用性。

负载均衡

• 普通哈希：在节点数量固定时可以实现数据均匀分布，但在节点动态变化场景下，很难保证负载均衡，容易出现某些节点负载过高，而其他节点负载较低的情况。
• 一致性哈希：通常会引入虚拟节点技术，将一个物理节点映射到多个哈希位置，使数据能够更均匀地分布在各个节点上，有助于避免数据倾斜问题，实现更好的负载均衡。

适用场景

• 普通哈希：适用于节点数量固定、数据相对静态的场景，如哈希表、本地缓存等，这些场景对数据的快速查找和简单存储有需求，不需要频繁地进行节点的扩展或收缩。
• 一致性哈希：广泛应用于分布式系统，如分布式缓存系统（如 Redis、Memcached）、分布式存储系统、分布式数据库等，这些系统中节点数量经常会动态变化，需要在节点增减时保证数据的稳定性和系统的性能。