分布式基础- 负载均衡
前言
我理解只所以要分布式系统,无非两个原因数据和计算,单机系统无法保存这么大的数据量,所以要分布式系统来保存; 计算嘛,就是说单机计算无法达到性能要求,比如双十一一台机器肯定处理不过来,所以需要后台一系列复杂的分布式系统来解决。
前面有聊过一篇关于分布式存储的，就是讲数据如何划分到不同的机器上，这一篇也类似，说到底是将计算分布到不同的机器上。
一 负载均衡
负载均衡，这里面的负载可以是数据，也可以是请求，如果是数据，就是原来的数据分片存储，也就是将一堆数据如何均衡地保存到各个分布式节点上；更多时候讲负载均衡是将计算的负载均衡，将请求处理或计算均衡到不同的节点上去。 只所以这样分，请求是类似于 Nginx 分发 HTTP 请求，后台的应用程序是启动的独立的服务，处理结果立刻返回；而计算，比如说我们常见的 spark 运行任务，将任务分派到不同的节点上，这里还利用了数据本地性原理，搬迁数据不如搬迁程序，将程序发到各个节点上执行，执行结果往往是保存本地或发 kafka 或者通过管道传递给下游系统。 同时注意，负载均衡不完全是指性能的均衡，有时候还要考虑业务均衡，不同的任务分片算法目标不一样；负载均衡也不无完全只有分布式系统才有负载均衡，相同的业务同时开启两个以及以上的服务节点都可以做均衡，这些节点并不一定要组成分布式系统。
常见的有三类负载均衡： DNS 负载均衡，软件负载均衡，硬件负载均衡；还有按照负载均衡所属层次来分，又分为四层负载均衡，七层负载均衡。
1.1 DNS 负载均衡
DNS 负载均衡比较简单是依赖于 DNS 服务器来实现的，DNS 服务器配置一个域名对应多个 IP，DNS 根据一定的负载均衡算法来实现负载均衡，具体如下示意图：
优点
简单，将负载均衡的任务交给 DNS 服务器，应用服务器不用做任何调整。 DNS 服务器可以根据用户位置来返回就近的地址，加快访问速度。
缺点
DNS 是分级存储的，每级都可能缓存 A 纪录，如果一个服务器下线，即使修改 A 纪录，DNS 服务器要等待缓存失效还需要一段时间，在这段时间内访问都会失败。 DNS 服务器对后台的服务器无感知，无法确定后台服务器的压力情况，通过简单的就近原则或轮询策略，有可能会造成压力大的服务器压力越来越大。 扩展性比较差，无法根据业务特点做负载均衡。
1.2 硬件负载均衡
硬件负载均衡是一个单独的硬件，常见的 F5 系列，A10 系列等，功能强大，但是也非常贵，价格从十多万到几十万，如下图：
优点
功能强大,支持协议层数多，均衡算法多，还支持各种加密等。 F5 BIG-IP LTM 的官方名称叫做本地流量管理器，可以做 4-7 层负载均衡，具有负载均衡、应用交换、会话交换、状态监控、智能网络地址转换、通用持续性、响应错误处 理、IPv6 网关、高级路由、智能端口镜像、SSL 加速、智能 HTTP 压缩、TCP 优化、第 7 层速率整形、内容缓冲、内容转换、连接加速、高速缓存、 Cookie 加密、选择性内容加密、应用攻击过滤、拒绝服务(DoS)攻击和 SYN Flood 保护、防火墙-包过滤、包消毒等功能。
性能好，支持并发能力在 100 万以上，在 200 万到 800 万左右，看下上面 98 万的 F5 的部分性能指标： 每秒 L7 请求数：1M 每秒 L4 连接数：400K 每秒 L4 HTTP 请求数：7M 最大 L4 并发连接数：24M L4 吞吐量：40Gbps L7 吞吐量：18Gbps 最大软件压缩：10Gbps
缺点
缺点贵。 如果不支持的功能，就无法扩展实现。
1.3 软件负载均衡
主流有三种软件负载均衡（LVS，Nginx，HAproxy）。 LVS 是 Linux virtual Server 简称， 1998 年 5 月由章文嵩博士发起的自由软件项目，现在博士本人在滴滴任高级副总裁。
LVS 的原理是通过链来实现，过程如下简单描述下：
客户端通过访问虚拟 IP，首先到达 PREROUTING 链。 内核发现是本机地址后，数据包发送给 INPUT 链，IPVS 工作在 INPUT 链上，如果数据包的目标地址和端口没在规则中，数据包经过 INPUT 链送到用户空间； 如果在规则中，则根据规则将目标地址改成真实的服务器地址，将报文发送到 POSTROUTING 链中 经由 POSTROUTING 链发送到后端的应用服务器。 响应时候，将源 ip 经由这个服务器（DirectorServer）改成 VIP 返回给客户端。
LVS 有两种模式，一种是 NAT 模式，类似刚才上文将 VIP 转成真实的 IP；另一种方式，DR 模式，是修改目标的 MAC 地址为真实的 MAC 地址，还有 tun 隧道，通过将 IP 封装一层再包着的 IP 的方法来转发负载均衡；full-nat 模式，源端地址和目标端地址都会发生改变。
优点
性能好，可以达到 80 万/s，对内存和资源消耗低。 稳定性，可靠性高，自身有热备方案 Keepalived。 工作在四层上，性能好，几乎所有的协议都可用。
缺点
伸缩能力一般，Director 本身可能就成为系统瓶颈。 不能完全判断节点故障。
1.4 Nginx 负载均衡
Nginx 是软件七层负载均衡，可以支持 HTTP/EMAIL 等。 优点：
搭建比较简单，维护和部署都很简单。 便宜，开源产品，不需要购买单独硬件。 可以根据后台服务器的情况做灵活调整，可以自己开发相关插件。 比如可以把请求发到连接最少的服务上，可以根据响应时间有限分配。
# 简单轮询
upstream dalaoyang-server {
server localhost:10001;
server localhost:10002;
}
#带权重的轮询
upstream dalaoyang-server {
server localhost:10001 weight=1;
server localhost:10002 weight=2;
}
#ip hash
upstream dalaoyang-server {
ip_hash;
server localhost:10001 weight=1;
server localhost:10002 weight=2;
}
#最少连接
upstream dalaoyang-server {
least_conn;
server localhost:10001 weight=1;
server localhost:10002 weight=2;
}
#响应时间最短优先
upstream dalaoyang-server {
server localhost:10001 weight=1;
server localhost:10002 weight=2;
fair;
}
可以支持各种算法，比如简单轮询，根据权重轮询，可以结合 ip 做 hash 轮询。
缺点：
性能差了些。
二 负载均衡中的算法
2.1 轮询算法
轮询算法是最简单的算法，每个请求过来之后按照服务器的顺序轮着发，这样是最均衡的了，但是这种均衡类似于大锅饭，不是真正的均衡，如果按照哈希算法来讲的话，我觉得是第 N 个请求对服务器总数取模，这种简单的算法；
不同的服务器可能性能不一样，所以就有了带权重的轮询算法，如上面 Nginx 配置，可以根据机器的性能不同设置不同的轮询算法，最简单的带权重的轮询算法，我们可以将一个性能好的服务器划分为多个性能差的虚拟服务器，然后再用轮询算法进行轮询即可。
优点：
算法比较简单，性能比较高，在同构机器环境下，负载很均衡。
缺点：
如果请求需要的资源不同，比如一个请求更消耗 CPU，另外一个更需要内存，简单轮询不利于任务的运行。 由于采用轮询算法，同一个客户端发起两次请求不一定由相同的机器处理，那就会造成缓存失效等问题。
此算法适应于请求所需的资源比较接近场景，最好机器也是同构的机器。Nginx 里面使用各种改进的轮询策略进行负载均衡。
2.2 哈希和一致性哈希策略
为防止缓存失效，我们希望一个客户端的请求落到一台服务器处理。我们可以使用以前说的带负载的哈希算法和一致性哈希算法，设置合理的话，负载会很均衡，而且相同的客户端发起的请求落到同一个服务器处理，缓存不会失效。
如果没有采用一致性哈希算法，每次一台机器发生故障后，大量请求会重新定位到不同的机器上，缓存一样失效，可能会造成一些机器的压力过大问题。
缺点还有同样没有根据任务的资源使用情况来分配机器。
2.3 随机策略
请求过来之后，随机挑选存活服务器进行任务的派发。好处是简单，缺点更多，首先每次相同的客户端不一定到达相同的服务器端，不利于缓存数据；没有考虑到服务器的性能差异问题； 同样对任务的种类也没有区分。
2.4 资源调度
负载均衡无法是将资源分配给任务，前几种策略没有多细致地关注后台节点的资源实时使用情况，可能会造成闲的很闲，忙的很忙的情况。所以就有了资源调度框架，像 yarn，mesos 等资源管理框架，通过收集节点的资源占用情况，再根据任务特点，比如是消耗 cpu 还是消耗内存，更合理地精细化地调度任务，这也算一种负载均衡策略，由于比较复杂，有空聊聊吧。
三 古诗词欣赏
狱中题壁
[清代] [谭嗣同]
望门投止思张俭，忍死须臾待杜根。
我自横刀向天笑，去留肝胆两昆仑。(版本一)
望门投趾怜张俭，直谏陈书愧杜根。
手掷欧刀仰天笑，留将公罪后人论。(版本二)
今天是 9.18 , 今日中国是否可以令先辈们有所宽慰； 不过美国对中国的公司的打压是一个接着一个，我辈还当自强！
作者：明翼（XGogo）
-------------
公众号：TSparks
微信:shinelife
扫描关注我的微信公众号感谢
-------------
