本文總結(jié)了負(fù)載均衡常見的4中算法，我們可以發(fā)現(xiàn)nginx?或者spring cloud?中的ribbon都使用到了這樣的算法思想，我們可以根據(jù)自己的業(yè)務(wù)場(chǎng)景選擇合適算法。
?前言
一般來說，我們?cè)谠O(shè)計(jì)系統(tǒng)的時(shí)候，為了系統(tǒng)的高擴(kuò)展性，會(huì)盡可能的創(chuàng)建無狀態(tài)的系統(tǒng)，這樣我們就可以采用集群的方式部署，最終很方便的根據(jù)需要?jiǎng)討B(tài)增減服務(wù)器數(shù)量。但是，要使系統(tǒng)具有更好的可擴(kuò)展性，除了無狀態(tài)設(shè)計(jì)之外，還要考慮采用什么負(fù)載均衡算法，本文就帶領(lǐng)大家認(rèn)識(shí)以下常見的4種負(fù)載均衡算法。
什么是負(fù)載均衡
負(fù)載均衡是指多臺(tái)服務(wù)器以對(duì)稱的方式組成一個(gè)服務(wù)器集群。每臺(tái)服務(wù)器的地位相當(dāng)（但不同的服務(wù)器可能性能不同），可以獨(dú)立提供服務(wù)，無需其他服務(wù)器的輔助。為了保證系統(tǒng)的可擴(kuò)展性，需要有一種算法能夠?qū)⑾到y(tǒng)負(fù)載平均分配給集群中的每臺(tái)服務(wù)器。這種算法稱為負(fù)載均衡算法。負(fù)責(zé)執(zhí)行負(fù)載均衡算法并平均分配請(qǐng)求的服務(wù)器稱為負(fù)載均衡器。
隨機(jī)算法
隨機(jī)算法非常簡單，該算法的核心是通過隨機(jī)函數(shù)隨機(jī)獲取一個(gè)服務(wù)器進(jìn)行訪問。假設(shè)我們現(xiàn)在有四臺(tái)服務(wù)器，192.168.1.1~ 192.168.1.4, 該算法用java實(shí)現(xiàn)大致如下：
public class RandomTest {
private static final List<String> servers = Arrays.asList("192.168.1.1", "192.168.1.2", "192.168.1.3", "192.168.1.4");
public static String getServer() {
Random random = new Random();
int index = random.nextInt(servers.size());
return servers.get(index);
}
public static void main(String[] args) {
for (int i = 0; i < 10; i++) {
String server = getServer();
System.out.println("select server: "+server);
}
}
}當(dāng)樣本較小時(shí)，算法可能分布不均勻，但根據(jù)概率論，樣本越大，負(fù)載會(huì)越均勻，而負(fù)載均衡算法本來就是為應(yīng)對(duì)高并發(fā)場(chǎng)景而設(shè)計(jì)的。該算法的另一個(gè)缺點(diǎn)是所有機(jī)器都有相同的訪問概率, 如果服務(wù)器性能不同，負(fù)載將不平衡。
輪詢算法
Round-Robin輪詢算法是另一種經(jīng)典的負(fù)載均衡算法。請(qǐng)求以循環(huán)的方式分發(fā)到集群中的所有服務(wù)器。同理，對(duì)于上述四臺(tái)服務(wù)器，假設(shè)客戶端向集群發(fā)送10個(gè)請(qǐng)求，則請(qǐng)求分布將如下圖所示：
在十個(gè)請(qǐng)求中，第一、第五和第九個(gè)請(qǐng)求將分配給192.168.1.1?，第二、第六和第十個(gè)請(qǐng)求將分配給192.168.1.2?，依此類推。我們可以看到round-robin算法可以在集群中均勻的分配請(qǐng)求。但是，該算法具有與隨機(jī)算法相同的缺點(diǎn)，如果服務(wù)器性能不同，負(fù)載將不平衡，因此需要加權(quán)輪詢算法。
加權(quán)輪詢算法
Weighted Round-Robin?加權(quán)輪詢算法是在round-robin算法的基礎(chǔ)上根據(jù)服務(wù)器的性能分配權(quán)重。服務(wù)器能支持的請(qǐng)求越多，權(quán)重就越高，分配的請(qǐng)求也就越多。對(duì)于同樣的10個(gè)請(qǐng)求，使用加權(quán)輪詢算法的請(qǐng)求分布會(huì)如下圖所示：
可以看到192.168.1.4權(quán)重最大，分配的請(qǐng)求數(shù)最多?？匆幌率褂肑ava簡單實(shí)現(xiàn)的以下加權(quán)循環(huán)算法。
public class RoundRobinTest {
public class Node{
private String ip;
private Integer weight;
private Integer currentWeight;
public Node(String ip,Integer weight) {
this.ip = ip;
this.weight = weight;
this.currentWeight = weight;
}
public String getIp() {
return ip;
}
public void setIp(String ip) {
this.ip = ip;
}
public Integer getWeight() {
return weight;
}
public void setWeight(Integer weight) {
this.weight = weight;
}
public Integer getCurrentWeight() {
return currentWeight;
}
public void setCurrentWeight(Integer currentWeight) {
this.currentWeight = currentWeight;
}
}
List<Node> servers = Arrays.asList(
new Node("192.168.1.1",1),
new Node("192.168.1.2",2),
new Node("192.168.1.3",3),
new Node("192.168.1.4",4));
private Integer totalWeight;
public RoundRobinTest() {
this.totalWeight = servers.stream()
.mapToInt(Node::getWeight)
.reduce((a,b)->a+b).getAsInt();
}
public String getServer() {
Node node = servers.stream().max(Comparator.comparingInt(Node::getCurrentWeight)).get();
node.setCurrentWeight(node.getCurrentWeight()-totalWeight);
servers.forEach(server->server.setCurrentWeight(server.getCurrentWeight()+server.getWeight()));
return node.getIp();
}
public static void main(String[] args) {
RoundRobinTest roundRobinTest = new RoundRobinTest();
for (int i = 0; i < 10; i++) {
String server = roundRobinTest.getServer();
System.out.println("select server: "+server);
}
}該算法的核心是的動(dòng)態(tài)計(jì)算currentWeight?。每個(gè)服務(wù)器被選中后，currentWeight需要減去所有服務(wù)器的權(quán)重之和，這樣可以避免權(quán)重高的服務(wù)器一直被選中。權(quán)重高的服務(wù)器有更多的分配請(qǐng)求，請(qǐng)求可以平均分配給所有服務(wù)器。
哈希算法
哈希算法，顧名思義，就是利用哈希表根據(jù) 計(jì)算出請(qǐng)求的路由hashcode%N。這里hashcode代表哈希值，N代表服務(wù)器數(shù)量。該算法的優(yōu)點(diǎn)是實(shí)現(xiàn)起來非常簡單。具體實(shí)現(xiàn)如下：
rivate static final List<String> servers = Arrays.asList("192.168.1.1", "192.168.1.2", "192.168.1.3", "192.168.1.4");
public static String getServer(String key) {
int hash = key.hashCode();
int index = hash%servers.size();
return servers.get(index);
}
public static void main(String[] args) {
for (int i = 0; i < 10; i++) {
String server = getServer(String.valueOf(i));
System.out.println("select server: "+server);
}
}哈希算法在很多緩存分布式存儲(chǔ)系統(tǒng)中很常見，比如Memorycached和Redis，但是一般不會(huì)用到上面的哈希算法，而是優(yōu)化后的一致性哈希算法。
總結(jié)
本文總結(jié)了負(fù)載均衡常見的4中算法，我們可以發(fā)現(xiàn)nginx?或者spring cloud?中的ribbon都使用到了這樣的算法思想，我們可以根據(jù)自己的業(yè)務(wù)場(chǎng)景選擇合適算法。
