最接地气的负载均衡算法(含代码)
回复”
架构
“免费下载一线大厂架构资料
随机算法
从可用的节点中,随机挑选一个节点来访问。
一般通过生成一个随机数来实现
适用场景:
实现比较简单,在请求量远超可用服务节点数量的情况下,各个服务节点被访问的概率基本相同,主要应用在各个服务节点的性能差异不大的情况下。
protected RefererdoSelect(Request request) { List> referers = getReferers(); int idx = (int) (ThreadLocalRandom.current().nextDouble() * referers.size()); for (int i = 0; i < referers.size(); i++) { Refererref = referers.get((i + idx) % referers.size()); if (ref.isAvailable()) { return ref; } } return null; }
轮询算法
按照固定的顺序,把可用的服务节点,挨个访问一次。
轮询算法能够保证所有节点被访问到的概率是相同的。
在实现时,轮询算法通常是把所有可用节点放到一个数组里,然后按照数组编号,挨个访问。比如服
务有 10 个节点,放到数组里就是一个大小为 10 的数组,这样的话就可以从序号为 0 的节点开始访问,访问后序号自动加 1,下一次就会访问序号为 1 的节点,以此类推。
适用场景:
跟随机算法类似,各个服务节点被访问的概率也基本相同,也主要应用在各个服务节点性能差异不大的情况下。
protected RefererdoSelect(Request request) { List> referers = getReferers(); int index = getNextNonNegative(); for (int i = 0; i < referers.size(); i++) { Refererref = referers.get((i + index) % referers.size()); if (ref.isAvailable()) { return ref; } } return null; }
加权轮询算法
轮询算法能够保证所有节点被访问的概率相同,而加权轮询算法是在此基础上,给每个节点赋予一个
权重,从而使每个节点被访问到的概率不同,权重大的节点被访问的概率就高,权重小的节点被访问的概率就小。
适用场景:
主要被用在服务节点性能差异比较大的情况。比如经常会出现一种情况,因为采购时间 的不同,新的服务节点的性能往往要高于旧的节点,这个时候可以给新的节点设置更高的权重,让它承担更多的请求,充分发挥新节点的性能优势。
protected RefererdoSelect(Request request) { if (holder == emptyHolder) { return null; } RefererListCacheHolderh = this.holder; Refererr = h.next(); if (!r.isAvailable()) { int retryTimes = getReferers().size() - 1; for (int i = 0; i < retryTimes; i++) { r = h.next(); if (r.isAvailable()) { break; } } } if (r.isAvailable()) { return r; } else { noAvailableReferer(); return null; } }
最少活跃连接算法
因为不同节点处理请求的速
度不同,使得同一个服务消费者同每一个节点的连接数都不相同。
连接数大的节点,可以认为是处理
请求慢,而连接数小的节点,可以认为是处理请求快。
所以在挑选节点时,可以以连接数为依据,选
择连接数最少的节点访问。
适用场景
:
与加权轮询算法预先定义好每个节点的访问权重不同,采用最少活跃连接算
法,客户端同服务端节点的连接数是在时刻变化的,理论上连接数越少代表此时服务端节点越空
闲,选择最空闲的节点发起请求,能获取更快的响应速度。
尤其在服务端节点性能差异较大,而
又不好做到预先定义权重时,采用最少活跃连接算法是比较好的选择。
protected RefererdoSelect(Request request) { List> referers = getReferers(); int refererSize = referers.size(); int startIndex = ThreadLocalRandom.current().nextInt(refererSize); int currentCursor = 0; int currentAvailableCursor = 0; Refererreferer = null; while (currentAvailableCursor < MAX_REFERER_COUNT && currentCursor < refererSize) { Referertemp = referers.get((startIndex + currentCursor) % refererSize); currentCursor++; if (!temp.isAvailable()) { continue; } currentAvailableCursor++; if (referer == null) { referer = temp; } else { if (compare(referer, temp) > 0) { referer = temp; } } } return referer; }
一致性Hash算法
一致性 hash 算法,是通过某个 hash 函数,把同一个来源的请求都映射到同一个节点上。
一致性
hash 算法最大的特点就是同一个来源的请求,只会映射到同一个节点上,可以说是具有记忆功能。
只有当
这个
节点不可用时,请求才会被分配到相邻的可用节点上。
适用场景:
因为它能够保证同一个客户端的请求始终访问同一个服务节点,所以适合服务端节点处理不同客户端请求差异较大的场景。比如服务端缓存里保存着客户端的请求结果,如果同一客户端一直访问一个服务节点,那么就可以一直从缓存中获取数据。
protected RefererdoSelect(Request request) { int hash = getHash(request); Refererref; for (int i = 0; i < getReferers().size(); i++) { ref = consistentHashReferers.get((hash + i) % consistentHashReferers.size()); if (ref.isAvailable()) { return ref; } } return null; }
private int getHash(Request request) { int hashcode; if (request.getArguments() == null || request.getArguments().length == 0) { hashcode = request.hashCode(); } else { hashcode = Arrays.hashCode(request.getArguments()); } return MathUtil.getNonNegative(hashcode); }
精彩文章
END
我们热衷于收集&分享高并发、系统架构、微服务、消息中间件、 RPC框架、高性能缓存、搜索、分布式数据框架、分布式协同服务、分布式配置中心、中台架构、领域驱动设计、系统监控、系统稳定性等技术知识。
https://github.com/aalansehaiyang/technology-talk
活到老、学到老,用技术普惠世界
关注
【微观技术】
共创世界,探寻人生价值