分布式系统设计之常见的负载均衡算法
0 什么是负载均衡？
负载均衡（Load Balance），其含义就是指将负载（工作任务）进行平衡、分摊到多个操作单元上进行运行，从而协同完成工作任务。
负载均衡都分为哪些种类？
- 软件和硬件负载均衡
- 软件负载均衡
- 硬件负载均衡
- 本地和全局负载均衡
- 本地负载均衡
- 全局负载均衡
本篇文章的负载均衡算法是属于软件层面的负载均衡。
1 轮询
顾名思义，将子任务在子节点中一个接一个有序的询问请求。
var list = make([]string, 0) var servers = make(map[string]string) func init() { servers = map[string]string{ "stringA": "10.0.0.1", "stringB": "10.0.0.2", "stringC": "10.0.0.3", } for s := range servers { list = append(list, s) } } //轮询 var i = 0 func RoundRobin() string { if i >= len(list) { i = 0 } str := servers[list[i]] i += 1 return str } 复制代码
2 随机
在子节点中随机的进行请求。
var list = make([]string, 0) var servers = make(map[string]string) func init() { servers = map[string]string{ "stringA": "10.0.0.1", "stringB": "10.0.0.2", "stringC": "10.0.0.3", } for s := range servers { list = append(list, s) } } //随机 func Random() string { i := rand.Intn(len(list)) return servers[list[i]] } 复制代码
3 加权轮询
与轮询不同的是，可以增加权重，就是说权重最大的节点会有更多次数（比例）的请求。
var list = make([]string, 0) var servers = make(map[string]string) func init() { servers = map[string]string{ "stringA": "10.0.0.1", "stringB": "10.0.0.2", "stringC": "10.0.0.3", } for s := range servers { list = append(list, s) } //加权轮询 var weight_map = map[string]int{ "stringA": 1, "stringB": 2, "stringC": 3, } for s := range weight_map { for i := 0; i < weight_map[s]-1; i++ { list = append(list, s) } } } //加权轮询 func WeightRoundRobin() string { if i >= len(list) { i = 0 } str := servers[list[i]] i += 1 return str } 复制代码
4 加权随机
与随机不同的是，增加某个节点被随机访问的概率。
var list = make([]string, 0) var servers = make(map[string]string) func init() { servers = map[string]string{ "stringA": "10.0.0.1", "stringB": "10.0.0.2", "stringC": "10.0.0.3", } for s := range servers { list = append(list, s) } //加权轮询 var weight_map = map[string]int{ "stringA": 1, "stringB": 2, "stringC": 3, } for s := range weight_map { for i := 0; i < weight_map[s]-1; i++ { list = append(list, s) } } } //加权随机 func WeightRandom() string { i := rand.Intn(len(list)) return servers[list[i]] } 复制代码
5 源地址哈希
该方法是将请求的源地址进行哈希，并将哈希的结果进行取余，将取余后的结果进行节点的匹配最后进行请求。
//Source Hash func Hash() string { //对客户端(源)地址做哈希 使用md5哈希算法 has, err := md5.New().Write([]byte("127.0.0.1")) if err != nil { panic(err) } i := has % len(list) return servers[list[i]] } 复制代码
6 最小连接数
最小连接数法是根据服务器当前的连接情况进行负载均衡的，当请求到来时，会选取当前连接数最少的一台服务器来处理请求。由此也可以延伸出，根据服务器 CPU 占用最少，根据单位时间内处理请求的效率高低等进行服务器选择。最小连接数法只是动态分配服务器的一种算法，通过各种维度的参数计算，可以找到适合不同场景的更均衡的动态分配服务器的方案。
7 全部代码
package main import ( "crypto/md5" "math/rand" "net/http" ) var list = make([]string, 0) var servers = make(map[string]string) func init() { servers = map[string]string{ "stringA": "10.0.0.1", "stringB": "10.0.0.2", "stringC": "10.0.0.3", } for s := range servers { list = append(list, s) } //加权轮询 var weight_map = map[string]int{ "stringA": 1, "stringB": 2, "stringC": 3, } for s := range weight_map { for i := 0; i < weight_map[s]-1; i++ { list = append(list, s) } } } //轮询 var i = 0 func RoundRobin() string { if i >= len(list) { i = 0 } str := servers[list[i]] i += 1 return str } //随机 func Random() string { i := rand.Intn(len(list)) return servers[list[i]] } //Source Hash func Hash() string { //对客户端(源)地址做哈希 使用md5哈希算法 has, err := md5.New().Write([]byte("127.0.0.1")) if err != nil { panic(err) } i := has % len(list) return servers[list[i]] } //加权轮询 func WeightRoundRobin() string { if i >= len(list) { i = 0 } str := servers[list[i]] i += 1 return str } //加权随机 func WeightRandom() string { i := rand.Intn(len(list)) return servers[list[i]] } //----------Web测试---------------// func main() { //httpServer(WeightRandom) } func httpServer(fun func() string) { http.HandleFunc("/", func(w http.ResponseWriter, r *http.Request) { w.Write([]byte("Request Node is " + fun())) }) http.ListenAndServe(":8888", nil) } 复制代码
参考文章：
