有三个 redis ，每个 redis 分配8GB内存，请设计一个 get 和 put 方法，使 put 操作能比较均匀的分配数据到三个 redis 中， get 能正确的获取数据。如果再增加一个 r

为了设计这样的get和put操作，我们可以采用一致性哈希（Consistent Hashing）算法。一致性哈希将数据分布在多个服务器上，当添加或删除服务器时，对数据分布的影响最小化。以下是简单的实现思路：

1. **数据结构**: 使用哈希表（HashMap）表示三个Redis节点，其中键是通过某种哈希函数生成的数据标识，值对应实际的数据。

class RedisNode {
    private String id;
    private int capacity;

    // 构造函数、getter和setter省略
}

List<RedisNode> nodes = new ArrayList<>();
nodes.add(new RedisNode("node1", 8 * 1024 * 1024 * 1024)); // 8GB
nodes.add(new RedisNode("node2", 8 * 1024 * 1024 * 1024));
nodes.add(new RedisNode("node3", 8 * 1024 * 1024 * 1024));

Map<String, byte[]> data = new HashMap<>();

2. **Put操作**:
- 计算要存储数据的键的哈希值。
- 使用一致性哈希函数确定该值应该落在哪个节点的范围内。
- 将数据放入对应的节点。

public void put(String key, byte[] value) {
    int hash = MurmurHash.hash(key); // 假设MurmurHash是一个合适的哈希函数
    int bucketIndex = findBucket(hash, nodes.size());
    data.put(key, value);
    nodes.get(bucketIndex).addData(key, value);
}

private int findBucket(int hash, int totalNodes) {
    return Math.abs(hash % totalNodes);
}

3. **Get操作**:
- 根据键查找数据所在节点并返回数据。

public byte[] get(String key) {
    int hash = MurmurHash.hash(key);
    int bucketIndex = findBucket(hash, nodes.size());
    return nodes.get(bucketIndex).getData(key);
}

4. **新节点加入**:
- 当增加一个新节点时，只需更新哈希表，并调整受影响的数据到新节点。
- 如果删除节点，则需要重新计算受影响的数据并重新分配。

5. **注意事项**:
- 一致性哈希并非完美解决方案，它可能会导致一些热点问题，但在大多数场景下，这种设计可以提供良好的负载均衡。