每個Java程式設計師都必須知道的四種負載均衡演演算法

前言

一般來說，我們在設計系統的時候，為了系統的高擴充套件性，會盡可能的建立無狀態的系統，這樣我們就可以採用叢集的方式部署，最終很方便的根據需要動態增減伺服器數量。但是，要使系統具有更好的可延伸性，除了無狀態設計之外，還要考慮採用什麼負載均衡演演算法，本文就帶領大家認識以下常見的4種負載均衡演演算法。

歡迎關注個人公眾號『JAVA旭陽』交流溝通

什麼是負載均衡

負載均衡是指多臺伺服器以對稱的方式組成一個伺服器叢集。每臺伺服器的地位相當（但不同的伺服器可能效能不同），可以獨立提供服務，無需其他伺服器的輔助。為了保證系統的可延伸性，需要有一種演演算法能夠將系統負載平均分配給叢集中的每臺伺服器。這種演演算法稱為負載均衡演演算法。負責執行負載均衡演演算法並平均分配請求的伺服器稱為負載均衡器。

隨機演演算法

隨機演演算法非常簡單，該演演算法的核心是通過隨機函數隨機獲取一個伺服器進行存取。假設我們現在有四臺伺服器，192.168.1.1~ 192.168.1.4, 該演演算法用java實現大致如下：

public class RandomTest {

    private static final List<String> servers = Arrays.asList("192.168.1.1", "192.168.1.2", "192.168.1.3", "192.168.1.4");

    public static String getServer() {
        Random random = new Random();
        int index = random.nextInt(servers.size());
        return servers.get(index);
    }


    public static void main(String[] args) {
        for (int i = 0; i < 10; i++) {
            String server = getServer();
            System.out.println("select server: "+server);
        }
    }
}

當樣本較小時，演演算法可能分佈不均勻，但根據概率論，樣本越大，負載會越均勻，而負載均衡演演算法本來就是為應對高並行場景而設計的。該演演算法的另一個缺點是所有機器都有相同的存取概率, 如果伺服器效能不同，負載將不平衡。

輪詢演演算法

Round-Robin輪詢演演算法是另一種經典的負載均衡演演算法。請求以迴圈的方式分發到叢集中的所有伺服器。同理，對於上述四臺伺服器，假設使用者端向叢集傳送10個請求，則請求分佈將如下圖所示：

在十個請求中，第一、第五和第九個請求將分配給192.168.1.1，第二、第六和第十個請求將分配給192.168.1.2，依此類推。我們可以看到round-robin演演算法可以在叢集中均勻的分配請求。但是，該演演算法具有與隨機演演算法相同的缺點，如果伺服器效能不同，負載將不平衡，因此需要加權輪詢演演算法。

加權輪詢演演算法

Weighted Round-Robin加權輪詢演演算法是在round-robin演演算法的基礎上根據伺服器的效能分配權重。伺服器能支援的請求越多，權重就越高，分配的請求也就越多。對於同樣的10個請求，使用加權輪詢演演算法的請求分佈會如下圖所示：

可以看到192.168.1.4權重最大，分配的請求數最多。看一下使用Java簡單實現的以下加權迴圈演演算法。

public class RoundRobinTest {

    public class Node{
        private String ip;

        private Integer weight;

        private Integer currentWeight;

        public Node(String ip,Integer weight) {
            this.ip = ip;
            this.weight = weight;
            this.currentWeight = weight;
        }

        public String getIp() {
            return ip;
        }

        public void setIp(String ip) {
            this.ip = ip;
        }

        public Integer getWeight() {
            return weight;
        }

        public void setWeight(Integer weight) {
            this.weight = weight;
        }

        public Integer getCurrentWeight() {
            return currentWeight;
        }

        public void setCurrentWeight(Integer currentWeight) {
            this.currentWeight = currentWeight;
        }
    }

    List<Node> servers = Arrays.asList(
            new Node("192.168.1.1",1),
            new Node("192.168.1.2",2),
            new Node("192.168.1.3",3),
            new Node("192.168.1.4",4));
    private Integer totalWeight;

    public RoundRobinTest() {
        this.totalWeight = servers.stream()
                .mapToInt(Node::getWeight)
                .reduce((a,b)->a+b).getAsInt();
    }


    public String getServer() {
        Node node = servers.stream().max(Comparator.comparingInt(Node::getCurrentWeight)).get();
        node.setCurrentWeight(node.getCurrentWeight()-totalWeight);
        servers.forEach(server->server.setCurrentWeight(server.getCurrentWeight()+server.getWeight()));
        return node.getIp();
    }


    public static void main(String[] args) {
        RoundRobinTest roundRobinTest = new RoundRobinTest();
        for (int i = 0; i < 10; i++) {
            String server = roundRobinTest.getServer();
            System.out.println("select server: "+server);
        }
    }

該演演算法的核心是的動態計算currentWeight。每個伺服器被選中後，currentWeight需要減去所有伺服器的權重之和，這樣可以避免權重高的伺服器一直被選中。權重高的伺服器有更多的分配請求，請求可以平均分配給所有伺服器。

雜湊演演算法

雜湊演演算法，顧名思義，就是利用雜湊表根據計算出請求的路由hashcode%N。這裡hashcode代表雜湊值，N代表伺服器數量。該演演算法的優點是實現起來非常簡單。具體實現如下：

rivate static final List<String> servers = Arrays.asList("192.168.1.1", "192.168.1.2", "192.168.1.3", "192.168.1.4");

    public static String getServer(String key) {
        int hash = key.hashCode();
        int index =  hash%servers.size();
        return servers.get(index);
    }

    public static void main(String[] args) {
        for (int i = 0; i < 10; i++) {
            String server = getServer(String.valueOf(i));
            System.out.println("select server: "+server);
        }
    }

雜湊演演算法在很多快取分散式儲存系統中很常見，比如Memorycached和Redis，但是一般不會用到上面的雜湊演演算法，而是優化後的一致性雜湊演演算法。

總結

本文總結了負載均衡常見的4種演演算法，我們可以發現nginx或者spring cloud中的ribbon都使用到了這樣的演演算法思想，我們可以根據自己的業務場景選擇合適演演算法。

歡迎關注個人公眾號『JAVA旭陽』交流溝通