一般来说，我们在设计系统的时候，为了系统的高扩展性，会尽可能的创建无状态的系统，这样我们就可以采用集群的方式部署，最终很方便的根据需要动态增减服务器数量。但是，要使系统具有更好的可扩展性，除了无状态设计之外，还要考虑采用什么负载均衡算法，本文就带领大家认识以下常见的 4 种负载均衡算法。
什么是负载均衡
负载均衡是指多台服务器以对称的方式组成一个服务器集群。每台服务器的地位相当（但不同的服务器可能性能不同），可以独立提供服务，无需其他服务器的辅助。为了保证系统的可扩展性，需要有一种算法能够将系统负载平均分配给集群中的每台服务器。这种算法称为负载均衡算法。负责执行负载均衡算法并平均分配请求的服务器称为负载均衡器。
随机算法
随机算法非常简单，该算法的核心是通过随机函数随机获取一个服务器进行访问。假设我们现在有四台服务器，192.168.1.1~ 192.168.1.4, 该算法用 java 实现大致如下：
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); } }}
复制代码
当样本较小时，算法可能分布不均匀，但根据概率论，样本越大，负载会越均匀，而负载均衡算法本来就是为应对高并发场景而设计的。该算法的另一个缺点是所有机器都有相同的访问概率, 如果服务器性能不同，负载将不平衡。
轮询算法
Round-Robin轮询算法是另一种经典的负载均衡算法。请求以循环的方式分发到集群中的所有服务器。同理，对于上述四台服务器，假设客户端向集群发送 10 个请求，则请求分布将如下图所示：
在十个请求中，第一、第五和第九个请求将分配给192.168.1.1，第二、第六和第十个请求将分配给192.168.1.2，依此类推。我们可以看到round-robin算法可以在集群中均匀的分配请求。但是，该算法具有与随机算法相同的缺点，如果服务器性能不同，负载将不平衡，因此需要加权轮询算法。
加权轮询算法
Weighted Round-Robin加权轮询算法是在round-robin算法的基础上根据服务器的性能分配权重。服务器能支持的请求越多，权重就越高，分配的请求也就越多。对于同样的 10 个请求，使用加权轮询算法的请求分布会如下图所示：
可以看到192.168.1.4权重最大，分配的请求数最多。看一下使用 Java 简单实现的以下加权循环算法。
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); } }
复制代码
该算法的核心是的动态计算currentWeight。每个服务器被选中后，currentWeight需要减去所有服务器的权重之和，这样可以避免权重高的服务器一直被选中。权重高的服务器有更多的分配请求，请求可以平均分配给所有服务器。
哈希算法
哈希算法，顾名思义，就是利用哈希表根据 计算出请求的路由 hashcode%N。这里 hashcode 代表哈希值，N 代表服务器数量。该算法的优点是实现起来非常简单。具体实现如下：
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); } }
复制代码
哈希算法在很多缓存分布式存储系统中很常见，比如Memorycached和Redis，但是一般不会用到上面的哈希算法，而是优化后的一致性哈希算法。
总结
本文总结了负载均衡常见的 4 种算法，我们可以发现nginx或者spring cloud中的ribbon都使用到了这样的算法思想，我们可以根据自己的业务场景选择合适算法。
作者：JAVA 旭阳
链接：https://juejin.cn/post/7186835933725982781
来源：稀土掘金
评论