均衡负载-这篇文章是您了解负载均衡所需的全部内容

在对分布式系统的“高可用”有了初步了解后，我们也意识到“负载均衡”才是“高可用”的核心。 那么，在这篇文章中，我们将通过图文结合的方式来描述每一种负载均衡策略的完整外观。

1.什么是负载均衡

通过独立的统一入口汇聚流量，再做二次分发的过程就是“负载均衡”。 它的本质和“分布式系统”一样，都是“分而治之”。

如果你习惯在开车的时候使用一些导航软件，我们会发现导航软件推荐的路线规划会有一个上限，比如3条或者5条路线。

其实它也起到了类似“负载均衡”的作用，因为如果你只能走Top3畅通的路线，自然就不能把拥堵严重的路线推荐给你，让车流的压力分散到相对空闲的路线上.

在软件系统中也是如此。 为了避免流量分配不均和本地节点负载过大（如CPU不足等），引入了一个独立的统一入口来做类似上述“导航”的工作。 但是，软件系统中的“负载均衡”与导航的区别在于，导航是一种灵活的策略，最终需要用户做出选择，而前者则不同。

如何平衡的背后是策略在起作用，而策略的背后是由一定的算法或逻辑组成的。 例如导航中的算法属于“路径规划”的范畴，又细分为“静态路径规划”和“动态路径规划”，不同分支下有各种具体的计算算法。 如Dijikstra、A*等。

同样，在软件系统的负载均衡中，也有很多算法或逻辑支持这些策略。 巧合的是，也有静态和动态之分。

2. 常用负载均衡策略示意图

下面列出了日常工作中最常用的五种策略。

1.轮询

这是最常用也是最简单的策略，均匀分布，人人都有，一次一个人。 一般代码如下：

int 全局索引 = 0; //注意是全局变量，不是局部变量。

尝试

{

返回服务器[globalIndex]；

}

最后

{

全局索引++；

如果（全局索引 == 3）

全局索引 = 0；

}

2.加权轮询

在轮询的基础上，增加了权重的概念。 重量是一个广义的概念，可以用任何方式表达。 它本质上是那些能做更多工作的人的想法。 例如，可以根据主机的性能差异配置不同的权重。 一般代码如下：

int matchedIndex = -1;

总计 = 0;

for (int i = 0; i

{

servers[i].cur_weight += servers[i].weight;//①每次循环自增（步=权重值）

total += servers[i].weight;//②将每个节点的权重值加到汇总值中

if (matchedIndex == -1 || servers[matchedIndex].cur_weight 要返回的当前节点的自增数，覆盖.

{

匹配指数=我；

}

}

servers[matchedIndex].cur_weight -= total;//4 选中的节点减去②的汇总值，以减少下次选中时的初始权重值。

返回服务器[matchedIndex]；

这段代码的流程如下表所示。 “()”中的数字为自增数，即代码中的cur_weight。

值得注意的是，weighted round robin 本身有不同的实现方式，虽然最终的比例是 2:1:2。

但是，服务请求的顺序可能有所不同。 例如，与上述情况相比，“5-4、3、2-1”最终的比值相同，但效果不同。 “5-4、3、2-1”更容易出现并发问题，导致服务器拥塞，而且随着权数的增加均衡负载，这个问题会越来越严重。 例如，10:5:3 的结果是“18-17-16-15-14-13-12-11-10-9, 8-7-6-5-4, 3-2-1”。

3.最小连接数

这是一种根据实时负载情况执行动态负载平衡的方法。 维护活动连接数，然后返回最小的一个。 一般代码如下：

var matchedServer = 服务器。 orderBy(e => e.active_conns)。 第一的（）;

匹配的服务器。 active_conns += 1;

返回匹配服务器；

// 当连接关闭时，需要将active_conns减1。

4.最快的反应

这也是一种动态负载均衡策略。 其实质是根据各个节点对过去一段时间的响应情况进行分配。 响应越快，分配越多。 还有很多具体的操作方式。 上图中的可以理解为：记录最近一段时间请求时间的平均值，结合前面的“加权轮询”进行处理，所以相当于2:1:3的加权轮次罗宾。

题外话：一般来说，同一个机房​​的延迟基本没有区别，响应时间的区别主要在于服务的处理能力。

如果用在一些跨区域的请求处理中（例如：浙江->上海均衡负载，或者浙江->北京），大部分情况下会使用常规的“ping”方式获取时延，因为是OSI L3转发，数据更干净，更准确。

5.哈希法

Hash方式的负载均衡与以往不同的是，它的结果是由客户端决定的。 客户端带来的某个标识符通过标准化的哈希函数进行分散和分发。

上图中的哈希函数使用了最简单粗暴的“取余法”。

题外话：散列函数除了取余外，还有“变基”、“折叠”、“平方法”等其他功能，这里不再展开。 感兴趣的小伙伴可以自行查阅资料。

另外，待取余的参数可以是任意的，只要最终转化为整数参与运算即可。 最常用的应该是使用源IP地址作为参数，这样可以保证同一个客户端请求尽可能落在同一个服务器上。

3、常用负载均衡策略的优缺点及适用场景

我们知道没有什么是完美的，负载均衡策略也是如此。 以上列出的最常用的策略也各有优缺点和适用场景。 我稍整理了一下，如下：

这些负载均衡算法之所以被普遍使用，是因为它们的简单性。 如果你想要更好的结果，你将不可避免地需要更高的复杂性。 例如，可以组合使用简单的策略，或者通过更多维度的数据采样进行综合评价，甚至可以根据数据挖掘后的预测算法进行综合评价。

4.使用健康检测保证高可用

无论哪种策略，都难免会遇到机器故障或程序故障。 因此，要保证负载均衡能够更好地工作，就需要结合一些“健康检测”机制。 定时检测服务器是否还能连接，响应是否比预期慢。

如果该节点处于“不可用”状态，则需要将该节点暂时从列表中移除，以提高可用性。 常用的“健康检测”方法有以下三种。

限 时 特 惠： 本每日持续更新海量各大内部创业教程，一年会员只需98元，全资源免费下载 
优惠码（不再需要）： xnbaoku