负载均衡算法简介
简介
在分布式系统架构中,负载均衡是很有必要的.当有负载均衡的系统中,可以将请求均匀的分布在多个主机中,不至于一个所有的请求都一股脑到了一个主机中,会导致假的分布式系统.因此就有了负载均衡的出现.有两种负载均衡.一种是硬件的负载均衡,比较好的有F5负载均衡,这里就不说了.一种是软件提供的负载均衡.目前有几种主流的比较好的软件负载均衡算法.这里简单说一下.
负载均衡算法
加权随机算法
思想: 很多服务器,都有自己的权重,将权重平铺到一个一维坐标上.比如有3个服务器A,B,C,权重分别为5,3,2.总权重为10.之后,选一个随机数出来,落在区间[0,5)就是A服务器的区间.[5,8)就是B,[8,10)就是C.
实现: 先计算所有服务器的总权重,获取一个小于总权重的随机数,然后从第一个服务器开始,让此随机数减去服务器的权重.直到此随机数小于0,当它小于0,说明此随机数落在了这个服务器的区间内.
最少活跃负载均衡
思想: 主要就是保存每个服务器正在处理的请求数量.每次向服务器发送一个数据就加1,请求完成则减1. 每次寻找服务器都找活跃数最小的服务器. 如果有几个相同活跃数的服务器,则使用加权随机算法找出服务器.
实现: 这个可以使用优先队列实现.很方便的找到最少活跃的节点.
一致性哈希算法
思想: 将节点hash值分布一个圆环上.寻找节点时候,通过获得的hash值,从此hash值在圆环的位置开始,在圆环上顺时针行走,遇见的第一个服务器就是要选择的.
这个样子的好处就是如果在添加节点或者删除节点的时候,受到影响的数据只是在此节点之间的数据.不会影响全部的数据.
因为这个样子还是会出现负载不均衡的情况,比如说得到的hash值都分布在圆的前半个,那么处于后半个圆的hash节点就会空闲.这时候就引入了虚拟节点的概念.每个节点都可以有很多个虚拟节点.比如下图:
颜色一样的代表的是同一个节点. 这个样子能够实现更好的负载均衡.
实现: 因为要快速的找见第一个比自己hash值大的节点.节点序列可以用TreeMap来存储. 高效找到圆环上的第一个节点.虚拟节点的实现可以使用算法,给每个节点生成很多个不同的hash值,比如按照服务器地址的地位高位和底位分别算出不同的hash来实现虚拟节点.
轮询负载均衡
思想: 很简单,就是不断轮询,从第一个到最后一个,每次调用时候一次向后加1.轮询所有的服务器就可以了.
加权轮询负载均衡
思想: 就是在轮询负载均衡的基础上再加按照权重来进行负载均衡.因为很多时候每个机器的配置可能不一样,如果一样,可以使用轮询方法.但是如果不一样,就最好使用加权轮询负载均衡. 举个例子.比如有三个服务器为A,B,C.权重分别为5,2,1. 这个时候,如果有8次请求,那么会分别请求到A五次,B两次,C一次.并且这些请求都是错开的,并不是说先请求A五次,在请求B两次.这样错开能够导致一个服务器的压力不会在一个时刻忽然增高.能够实现一个良好的负载.
实现: 平滑的加权轮询负载均衡. Ngnix的护两个数实现.通过两个数组,一个是服务器权重集合weights.一个是当前轮询的权重数组currentWeights. 第一次轮询的时候currentWeigh都为0. 每次选择服务器的时候,首先将currentWeights和weights加起来,然后选出其中最大的权重的节点,将其减去权重总和.然后返回相应的服务器即可.当选择完权重总和的次数过后,currentWeights就会又变为初始状态.
举个例子:
假设现在有三个服务器A,B,C,权重分别为[5,1,1].这里来模拟一下这个过程
| 请求编号 | 当前currentWeights状态 | 与Weights相加后的状态 | 选择结果 | 减去权重后的creentWeights数组 |
|---|---|---|---|---|
| 1 | [0,0,0] | [5,1,1] | A | [-2,1,1] |
| 2 | [-2,1,1] | [3,2,2] | A | [-4,2,2] |
| 3 | [-4,2,2] | [1,3,3] | B | [1,-4,3] |
| 4 | [1,-4,3] | [6,-3,4] | A | [-1,-3,4] |
| 5 | [-1,-3,4] | [4,-2,5] | C | [4.-2,-2] |
| 6 | [4,-2,-2] | [9,-1,-1] | A | [2,-1,-1] |
| 7 | [2,-1,-1] | [7,0,0] | A | [0,0,0] |
可以看到这个算法每次是按照权重来分配的.但是又有轮询的特性.并且B和C是穿插在A中间出现的.
没有那种算法是最好的,最好要根据自己的具体业务来决定使用那种负载均衡算法.
这里我说一下我对于这几种算法的应用场景吧:
- 加权随机算法: 实现简单，用在有服务器权重的场景，就是每个服务器的处理能力不一样的情况．实现有随机性
- 一致性哈希算法: 对于节点的增加和删除比较频繁.这时候可以使用这个算法.可以实现较良好的负载均衡.
- 轮询负载均衡: 实现简单,使用在服务器性能一样的情况,并且都比较稳定.
- 加权轮询负载均衡: 主要使用在服务器性能不一样的情况下.如果服务器性能一样,可以直接使用普通的轮询方式,编程简单也好用.