多種負載均衡算法及其Java代碼實現(xiàn)
2018-07-20 來源：編程學(xué)習(xí)網(wǎng)
首先給大家介紹下什么是負載均衡（來自百科）
負載均衡 建立在現(xiàn)有網(wǎng)絡(luò)結(jié)構(gòu)之上，它提供了一種廉價有效透明的方法擴展 網(wǎng)絡(luò)設(shè)備和 服務(wù)器的帶寬、增加 吞吐量、加強網(wǎng)絡(luò)數(shù)據(jù)處理能力、提高網(wǎng)絡(luò)的靈活性和可用性。
負載均衡，英文名稱為Load Balance，其意思就是分?jǐn)偟蕉鄠�操作單元上進行執(zhí)行，例如Web 服務(wù)器、 FTP服務(wù)器、 企業(yè)關(guān)鍵應(yīng)用服務(wù)器和其它關(guān)鍵任務(wù)服務(wù)器等，從而共同完成工作任務(wù)。
本文講述的是"將外部發(fā)送來的請求均勻分配到對稱結(jié)構(gòu)中的某一臺服務(wù)器上"的各種算法，并以Java代碼演示每種算法的具體實現(xiàn)，OK，下面進入正題，在進入正題前，先寫一個類來模擬Ip列表：
import java.util.HashMap;
/**
* @author [email protected]
* @date 二月 07, 2017
*/
public class IpMap {
// 待路由的Ip列表，Key代表Ip，Value代表該Ip的權(quán)重
public static HashMap<String, Integer> serverWeightMap =
new HashMap<String, Integer>();
static
{
serverWeightMap.put("192.168.1.100", 1);
serverWeightMap.put("192.168.1.101", 1);
// 權(quán)重為4
serverWeightMap.put("192.168.1.102", 4);
serverWeightMap.put("192.168.1.103", 1);
serverWeightMap.put("192.168.1.104", 1);
// 權(quán)重為3
serverWeightMap.put("192.168.1.105", 3);
serverWeightMap.put("192.168.1.106", 1);
// 權(quán)重為2
serverWeightMap.put("192.168.1.107", 2);
serverWeightMap.put("192.168.1.108", 1);
serverWeightMap.put("192.168.1.109", 1);
serverWeightMap.put("192.168.1.110", 1);
}
}
輪詢（Round Robin）法
輪詢調(diào)度算法的原理是每一次把來自用戶的請求輪流分配給內(nèi)部中的服務(wù)器，從1開始，直到N(內(nèi)部服務(wù)器個數(shù))，然后重新開始循環(huán)。算法的優(yōu)點是其簡潔性，它無需記錄當(dāng)前所有連接的狀態(tài)，所以它是一種無狀態(tài)調(diào)度。
其代碼實現(xiàn)大致如下：
import java.util.ArrayList;
import java.util.HashMap;
import java.util.Map;
import java.util.Set;
/**
* @author [email protected]
* @date 二月 07, 2017
*/
class RoundRobin {
private static Integer pos = 0;
public static String getServer()
{
// 重建一個Map，避免服務(wù)器的上下線導(dǎo)致的并發(fā)問題
Map<String, Integer> serverMap =
new HashMap<String, Integer>();
serverMap.putAll(IpMap.serverWeightMap);
// 取得Ip地址List
Set keySet = serverMap.keySet();
ArrayList keyList = new ArrayList();
keyList.addAll(keySet);
String server = null;
synchronized (pos)
{
if (pos > keySet.size())
pos = 0;
server = keyList.get(pos);
pos ++;
}
return server;
}
}
由于serverWeightMap中的地址列表是動態(tài)的，隨時可能有機器上線、下線或者宕機，因此為了避免可能出現(xiàn)的并發(fā)問題，方法內(nèi)部要新建局部變量serverMap，現(xiàn)將serverMap中的內(nèi)容復(fù)制到線程本地，以避免被多個線程修改。這樣可能會引入新的問題，復(fù)制以后serverWeightMap的修改無法反映給serverMap，也就是說這一輪選擇服務(wù)器的過程中，新增服務(wù)器或者下線服務(wù)器，負載均衡算法將無法獲知。新增無所謂，如果有服務(wù)器下線或者宕機，那么可能會訪問到不存在的地址。因此，服務(wù)調(diào)用端需要有相應(yīng)的容錯處理，比如重新發(fā)起一次server選擇并調(diào)用。
對于當(dāng)前輪詢的位置變量pos，為了保證服務(wù)器選擇的順序性，需要在操作時對其加鎖，使得同一時刻只能有一個線程可以修改pos的值，否則當(dāng)pos變量被并發(fā)修改，則無法保證服務(wù)器選擇的順序性，甚至有可能導(dǎo)致keyList數(shù)組越界。
輪詢法的優(yōu)點在于：試圖做到請求轉(zhuǎn)移的絕對均衡。
輪詢法的缺點在于：為了做到請求轉(zhuǎn)移的絕對均衡，必須付出相當(dāng)大的代價，因為為了保證pos變量修改的互斥性，需要引入重量級的悲觀鎖synchronized，這將會導(dǎo)致該段輪詢代碼的并發(fā)吞吐量發(fā)生明顯的下降。
隨機（Random）法
通過系統(tǒng)的隨機算法，根據(jù)后端服務(wù)器的列表大小值來隨機選取其中的一臺服務(wù)器進行訪問。由概率統(tǒng)計理論可以得知，隨著客戶端調(diào)用服務(wù)端的次數(shù)增多，
其實際效果越來越接近于平均分配調(diào)用量到后端的每一臺服務(wù)器，也就是輪詢的結(jié)果。
隨機法的代碼實現(xiàn)大致如下：
import java.util.ArrayList;
import java.util.HashMap;
import java.util.Map;
import java.util.Set;
/**
* @author [email protected]
* @date 二月 07, 2017
*/
class Random {
public static String getServer()
{
// 重建一個Map，避免服務(wù)器的上下線導(dǎo)致的并發(fā)問題
Map<String, Integer> serverMap =
new HashMap<String, Integer>();
serverMap.putAll(IpMap.serverWeightMap);
// 取得Ip地址List
Set keySet = serverMap.keySet();
ArrayList keyList = new ArrayList();
keyList.addAll(keySet);
java.util.Random random = new java.util.Random();
int randomPos = random.nextInt(keyList.size());
return keyList.get(randomPos);
}
}
整體代碼思路和輪詢法一致，先重建serverMap，再獲取到server列表。在選取server的時候，通過Random的nextInt方法取0~keyList.size()區(qū)間的一個隨機值，從而從服務(wù)器列表中隨機獲取到一臺服務(wù)器地址進行返回�；诟怕式y(tǒng)計的理論，吞吐量越大，隨機算法的效果越接近于輪詢算法的效果。
源地址哈希（Hash）法
源地址哈希的思想是根據(jù)獲取客戶端的IP地址，通過哈希函數(shù)計算得到的一個數(shù)值，用該數(shù)值對服務(wù)器列表的大小進行取模運算，得到的結(jié)果便是客服端要訪問服務(wù)器的序號。采用源地址哈希法進行負載均衡，同一IP地址的客戶端，當(dāng)后端服務(wù)器列表不變時，它每次都會映射到同一臺后端服務(wù)器進行訪問。
源地址哈希算法的代碼實現(xiàn)大致如下：
import java.util.ArrayList;
import java.util.HashMap;
import java.util.Map;
import java.util.Set;
/**
* @author [email protected]
* @date 二月 07, 2017
*/
class Hash {
public static String getServer()
{
// 重建一個Map，避免服務(wù)器的上下線導(dǎo)致的并發(fā)問題
Map<String, Integer> serverMap =
new HashMap<String, Integer>();
serverMap.putAll(IpMap.serverWeightMap);
// 取得Ip地址List
Set keySet = serverMap.keySet();
ArrayList keyList = new ArrayList();
keyList.addAll(keySet);
// 在Web應(yīng)用中可通過HttpServlet的getRemoteIp方法獲取
String remoteIp = "127.0.0.1";
int hashCode = remoteIp.hashCode();
int serverListSize = keyList.size();
int serverPos = hashCode % serverListSize;
return keyList.get(serverPos);
}
}
前兩部分和輪詢法、隨機法一樣就不說了，差別在于路由選擇部分。通過客戶端的ip也就是remoteIp，取得它的Hash值，對服務(wù)器列表的大小取模，結(jié)果便是選用的服務(wù)器在服務(wù)器列表中的索引值。
源地址哈希法的優(yōu)點在于：保證了相同客戶端IP地址將會被哈希到同一臺后端服務(wù)器，直到后端服務(wù)器列表變更。根據(jù)此特性可以在服務(wù)消費者與服務(wù)提供者之間建立有狀態(tài)的session會話。
源地址哈希算法的缺點在于：除非集群中服務(wù)器的非常穩(wěn)定，基本不會上下線，否則一旦有服務(wù)器上線、下線，那么通過源地址哈希算法路由到的服務(wù)器是服務(wù)器上線、下線前路由到的服務(wù)器的概率非常低，如果是session則取不到session，如果是緩存則可能引發(fā)"雪崩"。如果這么解釋不適合明白，可以看我之前的一篇文章MemCache超詳細解讀，一致性Hash算法部分。
加權(quán)輪詢（Weight Round Robin）法
不同的后端服務(wù)器可能機器的配置和當(dāng)前系統(tǒng)的負載并不相同，因此它們的抗壓能力也不相同。給配置高、負載低的機器配置更高的權(quán)重，讓其處理更多的請；而配置低、負載高的機器，給其分配較低的權(quán)重，降低其系統(tǒng)負載，加權(quán)輪詢能很好地處理這一問題，并將請求順序且按照權(quán)重分配到后端。加權(quán)輪詢法的代碼實現(xiàn)大致如下：
import java.util.*;
/**
* @author [email protected]
* @date 二月 07, 2017
*/
class WeightRoundRobin {
private static Integer pos;
public static String getServer()
{
// 重建一個Map，避免服務(wù)器的上下線導(dǎo)致的并發(fā)問題
Map<String, Integer> serverMap =
new HashMap<String, Integer>();
serverMap.putAll(IpMap.serverWeightMap);
// 取得Ip地址List
Set keySet = serverMap.keySet();
Iterator iterator = keySet.iterator();
List serverList = new ArrayList();
while (iterator.hasNext())
{
String server = iterator.next();
int weight = serverMap.get(server);
for (int i = 0; i < weight; i++)
serverList.add(server);
}
String server = null;
synchronized (pos)
{
if (pos > keySet.size())
pos = 0;
server = serverList.get(pos);
pos ++;
}
return server;
}
}
與輪詢法類似，只是在獲取服務(wù)器地址之前增加了一段權(quán)重計算的代碼，根據(jù)權(quán)重的大小，將地址重復(fù)地增加到服務(wù)器地址列表中，權(quán)重越大，該服務(wù)器每輪所獲得的請求數(shù)量越多。
加權(quán)隨機（Weight Random）法
與加權(quán)輪詢法一樣，加權(quán)隨機法也根據(jù)后端機器的配置，系統(tǒng)的負載分配不同的權(quán)重。不同的是，它是按照權(quán)重隨機請求后端服務(wù)器，而非順序。
import java.util.*;
/**
* @author [email protected]
* @date 二月 07, 2017
*/
class WeightRandom {
public static String getServer()
{
// 重建一個Map，避免服務(wù)器的上下線導(dǎo)致的并發(fā)問題
Map<String, Integer> serverMap =
new HashMap<String, Integer>();
serverMap.putAll(IpMap.serverWeightMap);
// 取得Ip地址List
Set keySet = serverMap.keySet();
Iterator iterator = keySet.iterator();
List serverList = new ArrayList();
while (iterator.hasNext())
{
String server = iterator.next();
int weight = serverMap.get(server);
for (int i = 0; i < weight; i++)
serverList.add(server);
}
java.util.Random random = new java.util.Random();
int randomPos = random.nextInt(serverList.size());
return serverList.get(randomPos);
}
}
這段代碼相當(dāng)于是隨機法和加權(quán)輪詢法的結(jié)合，比較好理解，就不解釋了。
最小連接數(shù)（Least Connections）法
最小連接數(shù)算法比較靈活和智能，由于后端服務(wù)器的配置不盡相同，對于請求的處理有快有慢，它是根據(jù)后端服務(wù)器當(dāng)前的連接情況，動態(tài)地選取其中當(dāng)前
積壓連接數(shù)最少的一臺服務(wù)器來處理當(dāng)前的請求，盡可能地提高后端服務(wù)的利用效率，將負責(zé)合理地分流到每一臺服務(wù)器。
前面幾種方法費盡心思來實現(xiàn)服務(wù)消費者請求次數(shù)分配的均衡，當(dāng)然這么做是沒錯的，可以為后端的多臺服務(wù)器平均分配工作量，最大程度地提高服務(wù)器的利用率，但是實際情況是否真的如此？實際情況中，請求次數(shù)的均衡真的能代表負載的均衡嗎？這是一個值得思考的問題。
上面的問題，再換一個角度來說就是：以后端服務(wù)器的視角來觀察系統(tǒng)的負載，而非請求發(fā)起方來觀察。最小連接數(shù)法便屬于此類。
最小連接數(shù)算法比較靈活和智能，由于后端服務(wù)器的配置不盡相同，對于請求的處理有快有慢，它正是根據(jù)后端服務(wù)器當(dāng)前的連接情況，動態(tài)地選取其中當(dāng)前積壓連接數(shù)最少的一臺服務(wù)器來處理當(dāng)前請求，盡可能地提高后端服務(wù)器的利用效率，將負載合理地分流到每一臺機器。由于最小連接數(shù)設(shè)計服務(wù)器連接數(shù)的匯總和感知，設(shè)計與實現(xiàn)較為繁瑣，此處就不說它的實現(xiàn)了。
附了一個說明“NGINX的實現(xiàn)原因，大家可以看看"：
http://blog.csdn.net/zhangskd/article/details/50242241
標(biāo)簽： ftp服務(wù)器 代碼 訪問服務(wù)器 服務(wù)器 服務(wù)器地址 服務(wù)器選擇 網(wǎng)絡(luò) 應(yīng)用服務(wù)器
版權(quán)申明：本站文章部分自網(wǎng)絡(luò)，如有侵權(quán)，請聯(lián)系：west999com@outlook.com
特別注意：本站所有轉(zhuǎn)載文章言論不代表本站觀點！
本站所提供的圖片等素材，版權(quán)歸原作者所有，如需使用，請與原作者聯(lián)系。
