负载均衡算法示例

声明：本文根据鲁班学院周瑜老师课程笔记整理而来

负载均衡的介绍？

　　负载均衡，英文名称Load Balance，指由多台服务器以对称的方式组成一个服务器集合，每台服务器都具有等价的地位，都可以单独对外提供服务而无须其他服务器的辅助。

　　通过某种负载分担技术，将外部发送来的请求均匀分布到对称结构中的某一台服务器上，而接收到请求的服务器独立地回应客户的请求。

　　负载均衡能够平均分配客户请求到服务器阵列，借此提供快速获取重要数据，解决大量并发访问服务器问题，这种集群技术可以用最少的投资获得接近于大型主机的性能。

负载均衡方式？

　　负载均衡分为软件负载均衡和硬件负载均衡。

软件负载均衡：

　　常见的负载均衡软件有Nginx，LVS，HAProxy。

　　(总结）Nginx/LVS/HAProxy负载均衡软件的优缺点：http://www.ha97.com/5646.html

　　三大主流软件负载均衡器对比（LVS，Nginx，HAProxy）：http://www.21yunwei.com/archives/5824

硬件负载均衡：

　　常见的负载均衡硬件有Array，F5.

负载均衡算法？

　　常见的负载均衡算法有：随机算法，加权轮询算法，一致性hash算法，最小活跃数算法。

算法的前提条件：

　　定义一个服务器列表，每个负载均衡的算法会从中挑选一个服务器作为算法的结果：

/**
 * 定义一个服务器列表，每个负载均衡算法会从中挑选一个服务器作为算法结果
 * @author Administrator
 *
 */
public class ServerIps {

    public static final List<String> LIST = Arrays.asList(
            "192.168.0.1",
            "192.168.0.2",
            "192.168.0.3",
            "192.168.0.4",
            "192.168.0.5",
            "192.168.0.6",
            "192.168.0.7",
            "192.168.0.8",
            "192.168.0.9",
            "192.168.0.10");
}

随机算法--RandomLoadBalance

　　首先来个最简单的随机算法的实现。

/**
 * 随机算法
 * @author Administrator
 *
 */
public class JavaRandom {
    public static String getServer(){
        //生成一个随机数作为list的下标值
        Random random = new Random();
        int randomPos = random.nextInt(ServerIps.LIST.size());
        return ServerIps.LIST.get(randomPos);
    }
    public static void main(String[] args) {
        //连续调用10次
        for(int i=0;i<10;i++){
            System.out.println(getServer());
        }
    }
}

　　运行结果：

　　当调用次数比较少时，Random产生的随机数可能会比较集中，此时多数请求会落到同一台服务器上，只有在经过多次请求后，才能使用请求进行“均匀”分配，调用量少这一点对我们来说不算什么，因为负载均衡机制正是为了应对请求量多的情况。所以随机算法也是用的比较多的一种算法。

　　但是，上面的随机算法适用于每台机器的性能差不多的时候，实际上，上产中可能某些机器的性能更高一点，它可以处理更多的请求，所以我们可以对每台机器设置一个权重。

　　我们在ServerIps类中增加服务器权重对应关系的Map，设置权重之和为50。

    //增加权重
    public static final Map<String,Integer> WEIGHT_LIST=new HashMap<>();
    static{
        WEIGHT_LIST.put("192.168.0.1", 1);
        WEIGHT_LIST.put("192.168.0.2", 8);
        WEIGHT_LIST.put("192.168.0.3", 3);
        WEIGHT_LIST.put("192.168.0.4", 6);
        WEIGHT_LIST.put("192.168.0.5", 5);
        WEIGHT_LIST.put("192.168.0.6", 5);
        WEIGHT_LIST.put("192.168.0.7", 4);
        WEIGHT_LIST.put("192.168.0.8", 7);
        WEIGHT_LIST.put("192.168.0.9", 2);
        WEIGHT_LIST.put("192.168.0.10", 9);
    }

　　那么现在的随机算法应该要改成权重随机算法，当调用量比较多的时候，服务器使用的分布应该近似对应权重的分布。

权重随机算法：

　　简单的思路是，把每个服务器按它对应的服务器进行复制。

/**
 * 增加权重的随机算法
 * @author Administrator
 *
 */
public class JavaWeightRandom {
    public static String getServer(){
        //1.首先根据权重进行list数组的赋值
        List<String> ips = new ArrayList<>();
        for(String ip : ServerIps.WEIGHT_LIST.keySet()){
            Integer weight = ServerIps.WEIGHT_LIST.get(ip);
            //按权重进行赋值
            for(int i = 0;i<weight;i++){
                ips.add(ip);
            }
        }
        //2.在list数组中使用随机算法进行取值
        //生成一个随机数作为list的下标值
        Random random = new Random();
        int randomPos = random.nextInt(ips.size());
        return ips.get(randomPos);
    }
    public static void main(String[] args) {
        //连续调用10次
        for(int i = 0;i<10;i++){
            System.out.println(getServer());
        }
    }
}

　　运行结果：

　　这种实现方法在遇到权重之和特别大的时候，就会比较消耗内存，因为需要对IP地址进行复制，权重之和越大，那么上下文的IPS就需要越多的内存，下面介绍另外一种实现思路。

　　假设我们有一组服务器servers=[A,B,C],它们对应的权重为weights=[5,3,2],权重总和为10，现在把这些权重值平铺在一维坐标值上，[0,5)区间属于服务器A，[5,8)区间属于服务器B，[8,10)区间属于服务器C，接下来通过随机数生成器生成一个范围在[0,10)之间的随机数，然后计算这个随机数会落到哪个区间上，比如：数字3会落在服务器A对应的区间上，此时返回服务器A即可，权重越大的机器在坐标轴上对应的区间范围就越大，因此随机数生成器生成的数字就会有更大的概率落到此区间上。只要随机数生成器产生的随机数分不行很好，在经过多次选择之后，每个服务器被选中的次数比例接近其权重比例。比如，经过一万次选择后，服务器A被选中的次数大约为5000次，服务器B被选中的次数大约为3000次，服务器C被选中的次数大约为2000次。

　　假设现在的随机数offset=7；

　　1.offset<5 is false,所以不在[0,5)区间，将offset = offset-5（offset=2）

　　2.offset<3 is true,所以处在[5,8)区间，所以应该选择服务器B

/**
 * 将权重模拟在一维坐标轴上
 * @author Administrator
 *
 */
public class JavaWeightRandom2 {
    public static String getServer(){
        //定义总权重属性
        int totalWeight = 0;
        boolean sameWeight = true;//如果所有权重都相等，那么就随机一个IP
        //得到所有的权重，生成一维坐标轴
        Object[] weights = ServerIps.WEIGHT_LIST.values().toArray();
        for(int i =0;i<weights.length;i++){
            Integer weight = (Integer) weights[i];
            totalWeight += weight;
            //判断是否所有权重都相等
            if(sameWeight && i>0 && !weight.equals(weights[i-1])){
                sameWeight = false;
            }
        }
        
        //生成一个随机数作为list的下标值
        Random random = new Random();
        int randomPos = random.nextInt(totalWeight);
        if(!sameWeight){//不是所有权重都相等时
            for(String ip : ServerIps.WEIGHT_LIST.keySet()){
                Integer value = ServerIps.WEIGHT_LIST.get(ip);
                if(randomPos < value){
                    return ip;
                }
                randomPos = randomPos -value;
            }
        }
        //如果所有权重都相等直接随机返回一个
        return  (String) ServerIps.WEIGHT_LIST.keySet().toArray()[new 
                 Random().nextInt(ServerIps.WEIGHT_LIST.size())];
    }
    public static void main(String[] args) {
        //连续调用10次
        for(int i=0;i<10;i++){
            System.out.println(getServer());
        }
    }
}

　　测试结果：

这就是另外一种权重随机算法

轮询算法--RoundRobinLoadBalance

　　简单的轮询算法很简单

/**
 * 简单的轮询算法
 * @author Administrator
 *
 */
public class JavaRoundRobin {
    //当前循环的位置
    private static Integer pos = 0;
    public static String getServer(){
        String ip = null;
        //pos同步
        synchronized (pos) {
            if(pos >= ServerIps.LIST.size()){
                pos = 0;
            }
            ip = ServerIps.LIST.get(pos);
            pos++;
        }
        return ip;
    }
    public static void main(String[] args) {
        for(int i=0;i<10;i++){
            System.out.println(getServer());
        }
    }
}