服務器的負載均衡算法怎么實現

這篇文章主要介紹“服務器的負載均衡算法怎么實現”，在日常操作中，相信很多人在服務器的負載均衡算法怎么實現問題上存在疑惑，小編查閱了各式資料，整理出簡單好用的操作方法，希望對大家解答”服務器的負載均衡算法怎么實現”的疑惑有所幫助！接下來，請跟著小編一起來學習吧！

負載平衡（Load balancing）是一種在多個計算機（網絡、CPU、磁盤）之間均勻分配資源，以提高資源利用的技術。使用負載均衡可以最大化服務吞吐量，可能最小化響應時間，同時由于使用負載均衡時，會使用多個服務器節點代單點服務，也提高了服務的可用性。

負載均衡的實現可以軟件可以硬件，硬件如大名鼎鼎的 F5 負載均衡設備，軟件如 NGINX 中的負載均衡實現，又如 Springcloud Ribbon 組件中的負載均衡實現。

如果看到這里你還不知道負載均衡是干嘛的，那么只能放一張圖了，畢竟沒圖說個啥。

負載均衡要做到在多次請求下，每臺服務器被請求的次數大致相同。但是實際生產中，可能每臺機器的性能不同，我們會希望性能好的機器承擔的請求更多一些，這也是正常需求。

如果這樣說下來你看不懂，那我就再舉個例子好了，一排可愛的小熊（服務器）站好。

這時有人（用戶）要過來打臉（請求訪問）。

那么怎么樣我們才能讓這每一個可愛的小熊被打的次數大致相同呢？

又或者熊 4 比較胖，抗擊打能力是別人的兩倍，我們怎么提高熊 4 被打的次數也是別人的兩倍呢？

又或者每次出手的力度不同，有重有輕，恰巧熊 4 總是承受這種大力度啪啪打臉，熊 4 即將不省熊事，還要繼續打它嗎？

這些都是值的思考的問題。

說了那么多，口干舌燥，我雙手已經饑渴難耐了，迫不及待的想要擼起代碼了。

1. 隨機訪問

上面說了，為了負載均衡，我們必須保證多次出手后，熊 1 到熊 4 被打次數均衡。比如使用隨機訪問法，根據數學上的概率論，隨機出手次數越多，每只熊被打的次數就會越相近。代碼實現也比較簡單，使用一個隨機數，隨機訪問一個就可以了。

/** 服務器列表 */
private static List<String> serverList = 
new ArrayList<>();
static {
    serverList.add("192.168.1.2");
    serverList.add("192.168.1.3");
    serverList.add("192.168.1.4");
    serverList.add("192.168.1.5");
}

/**
 * 隨機路由算法
 */
public static String 
random(
) {
    // 復制遍歷用的集合，防止操作中集合有變更
    List<String> tempList = new ArrayList<>(serverList.size());
    tempList.addAll(serverList);
    // 隨機數隨機訪問
    int randomInt = new Random().nextInt(tempList.size());
    return tempList.get(randomInt);
}

因為使用了非線程安全的集合，所以在訪問操作時操作的是集合的拷貝，下面幾種輪訓方式中也是這種思想。

寫一個模擬請求方法，請求10w次，記錄請求結果。

public static void main(String[] args) {
    HashMap<String, Integer> serverMap = 
new HashMap<>();
    for (int i = 
0; i < 
20000; i++) {
        String server = random();
        Integer count = serverMap.get(server);
        if (count == 
null) {
            count = 
1;
        } 
else {
            count++;
        }
        // 記錄
        serverMap.put(server, count);
    }
    // 路由總體結果
    for (Map.Entry<String, Integer> entry : serverMap.entrySet()) {
        System.out.println("IP:" + entry.getKey() + "，次數：" + entry.getValue());
    }
}

運行得到請求結果。

IP:192.168.1.3，次數：24979
IP:192.168.1.2，次數：24896
IP:192.168.1.5，次數：25043
IP:192.168.1.4，次數：25082

每臺服務器被訪問的次數都趨近于 2.5w，有點負載均衡的意思。但是隨機畢竟是隨機，是不能保證訪問次數絕對均勻的。

2. 輪訓訪問

輪訓訪問就簡單多了，拿上面的熊1到熊4來說，我們一個接一個的啪啪 - 打臉，熊1打完打熊2，熊2打完打熊3，熊4打完打熊1，最終也是實現了被打均衡。但是保證均勻總是要付出代價的，隨機訪問中需要隨機，輪訓訪問中需要什么來保證輪訓呢？

/** 服務器列表 */
private static List<String> serverList = 
new ArrayList<>();
static {
    serverList.add("192.168.1.2");
    serverList.add("192.168.1.3");
    serverList.add("192.168.1.4");
    serverList.add("192.168.1.5");
}
private static Integer index = 
0;

/**
 * 隨機路由算法
 */
public static String 
randomOneByOne(
) {
    // 復制遍歷用的集合，防止操作中集合有變更
    List<String> tempList = new ArrayList<>(serverList.size());
    tempList.addAll(serverList);
    String server = "";
    synchronized (index) {
        index++;
        if (index == tempList.size()) {
            index = 0;
        }
        server = tempList.get(index);;
    }
    return server;
}

由代碼里可以看出來，為了保證輪訓，必須記錄上次訪問的位置，為了讓在并發情況下不出現問題，還必須在使用位置記錄時進行加鎖，很明顯這種互斥鎖增加了性能開銷。

依舊使用上面的測試代碼測試10w次請求負載情況。

IP:192.168.1.3，次數：25000
IP:192.168.1.2，次數：25000
IP:192.168.1.5，次數：25000
IP:192.168.1.4，次數：25000

3. 輪訓加權

上面演示了輪訓方式，還記的一開始提出的熊4比較胖抗擊打能力強，可以承受別人2倍的挨打次數嘛？上面兩種方式都沒有體現出來熊 4 的這個特點，熊 4 竊喜，不痛不癢。但是熊 1 到 熊 3 已經在崩潰的邊緣，不行，我們必須要讓胖著多打，能者多勞，提高整體性能。

/** 服務器列表 */
private static HashMap<String, Integer> serverMap = 
new HashMap<>();
static {
    serverMap.put("192.168.1.2", 
2);
    serverMap.put("192.168.1.3", 
2);
    serverMap.put("192.168.1.4", 
2);
    serverMap.put("192.168.1.5", 
4);
}
private static Integer index = 
0;

/**
 * 加權路由算法
 */
public static String 
oneByOneWithWeight(
) {
    List<String> tempList = 
new ArrayList();
    HashMap<String, Integer> tempMap = 
new HashMap<>();
    tempMap.putAll(serverMap);
    for (String key : serverMap.keySet()) {
        for (int i = 
0; i < serverMap.get(key); i++) {
            tempList.add(key);
        }
    }
    synchronized (index) {
        index++;
        if (index == tempList.size()) {
            index = 
0;
        }
        return tempList.get(index);
    }
}

這次記錄下了每臺服務器的整體性能，給出一個數值，數值越大，性能越好。可以承受的請求也就越多，可以看到服務器 192.168.1.5 的性能為 4，是其他服務器的兩倍，依舊 10 w 請求測試。

IP:192.168.1.3，次數：20000
IP:192.168.1.2，次數：20000
IP:192.168.1.5，次數：40000
IP:192.168.1.4，次數：20000

192.168.1.5 承擔了 2 倍的請求。

4. 隨機加權

隨機加權的方式和輪訓加權的方式大致相同，只是把使用互斥鎖輪訓的方式換成了隨機訪問，按照概率論來說，訪問量增多時，服務訪問也會達到負載均衡。

/** 服務器列表 */
private static HashMap<String, Integer> serverMap = 
new HashMap<>();
static {
    serverMap.put("192.168.1.2", 
2);
    serverMap.put("192.168.1.3", 
2);
    serverMap.put("192.168.1.4", 
2);
    serverMap.put("192.168.1.5", 
4);
}
/**
 * 加權路由算法
 */
public static String 
randomWithWeight(
) {
    List<String> tempList = 
new ArrayList();
    HashMap<String, Integer> tempMap = 
new HashMap<>();
    tempMap.putAll(serverMap);
    for (String key : serverMap.keySet()) {
        for (int i = 
0; i < serverMap.get(key); i++) {
            tempList.add(key);
        }
    }
    int randomInt = 
new Random().nextInt(tempList.size());
    return tempList.get(randomInt);
}

依舊 10 w 請求測試，192.168.1.5 的權重是其他服務器的近似兩倍，

IP:192.168.1.3，次數：19934
IP:192.168.1.2，次數：20033
IP:192.168.1.5，次數：39900
IP:192.168.1.4，次數：20133

5. IP-Hash

上面的幾種方式要么使用隨機數，要么使用輪訓，最終都達到了請求的負載均衡。但是也有一個很明顯的缺點，就是同一個用戶的多次請求很有可能不是同一個服務進行處理的，這時問題來了，如果你的服務依賴于 session ，那么因為服務不同， session 也會丟失，不是我們想要的，所以出現了一種根據請求端的 ip 進行哈希計算來決定請求到哪一臺服務器的方式。這種方式可以保證同一個用戶的請求落在同一個服務上。

private static List<String> serverList = 
new ArrayList<>();
static {
    serverList.add("192.168.1.2");
    serverList.add("192.168.1.3");
    serverList.add("192.168.1.4");
    serverList.add("192.168.1.5");
}

/**
 * ip hash 路由算法
 */
public static String 
ipHash(String ip) {
    // 復制遍歷用的集合，防止操作中集合有變更
    List<String> tempList = new ArrayList<>(serverList.size());
    tempList.addAll(serverList);
    // 哈希計算請求的服務器
    int index = ip.hashCode() % serverList.size();
    return tempList.get(Math.abs(index));
}

到此，關于“服務器的負載均衡算法怎么實現”的學習就結束了，希望能夠解決大家的疑惑。理論與實踐的搭配能更好的幫助大家學習，快去試試吧！若想繼續學習更多相關知識，請繼續關注億速云網站，小編會繼續努力為大家帶來更多實用的文章！