多種負(fù)載均衡算法及其Java代碼實(shí)現(xiàn)
2018-07-20 來(lái)源：編程學(xué)習(xí)網(wǎng)
首先給大家介紹下什么是負(fù)載均衡（來(lái)自百科）
負(fù)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(jià)有效透明的方法擴(kuò)展 網(wǎng)絡(luò)設(shè)備和 服務(wù)器的帶寬、增加 吞吐量、加強(qiáng)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(fù)載均衡，英文名稱(chēng)為L(zhǎng)oad Balance，其意思就是分?jǐn)偟蕉鄠�(gè)操作單元上進(jìn)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(lái)的請(qǐng)求均勻分配到對(duì)稱(chēng)結(jié)構(gòu)中的某一臺(tái)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(shí)現(xiàn)，OK，下面進(jìn)入正題，在進(jìn)入正題前，先寫(xiě)一個(gè)類(lèi)來(lái)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(xún)（Round Robin）法
輪詢(xún)調(diào)度算法的原理是每一次把來(lái)自用戶(hù)的請(qǐng)求輪流分配給內(nèi)部中的服務(wù)器，從1開(kāi)始，直到N(內(nèi)部服務(wù)器個(gè)數(shù))，然后重新開(kāi)始循環(huán)。算法的優(yōu)點(diǎn)是其簡(jiǎn)潔性，它無(wú)需記錄當(dāng)前所有連接的狀態(tài)，所以它是一種無(wú)狀態(tài)調(diào)度。
其代碼實(shí)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(gè)Map，避免服務(wù)器的上下線導(dǎo)致的并發(fā)問(wèn)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(dòng)態(tài)的，隨時(shí)可能有機(jī)器上線、下線或者宕機(jī)，因此為了避免可能出現(xiàn)的并發(fā)問(wèn)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(gè)線程修改。這樣可能會(huì)引入新的問(wèn)題，復(fù)制以后serverWeightMap的修改無(wú)法反映給serverMap，也就是說(shuō)這一輪選擇服務(wù)器的過(guò)程中，新增服務(wù)器或者下線服務(wù)器，負(fù)載均衡算法將無(wú)法獲知。新增無(wú)所謂，如果有服務(wù)器下線或者宕機(jī)，那么可能會(huì)訪問(wèn)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(cuò)處理，比如重新發(fā)起一次server選擇并調(diào)用。
對(duì)于當(dāng)前輪詢(xún)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(shí)對(duì)其加鎖，使得同一時(shí)刻只能有一個(gè)線程可以修改pos的值，否則當(dāng)pos變量被并發(fā)修改，則無(wú)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(xún)法的優(yōu)點(diǎn)在于：試圖做到請(qǐng)求轉(zhuǎn)移的絕對(duì)均衡。
輪詢(xún)法的缺點(diǎn)在于：為了做到請(qǐng)求轉(zhuǎn)移的絕對(duì)均衡，必須付出相當(dāng)大的代價(jià)，因?yàn)闉榱吮ＷCpos變量修改的互斥性，需要引入重量級(jí)的悲觀鎖synchronized，這將會(huì)導(dǎo)致該段輪詢(xún)代碼的并發(fā)吞吐量發(fā)生明顯的下降。
隨機(jī)（Random）法
通過(guò)系統(tǒng)的隨機(jī)算法，根據(jù)后端服務(wù)器的列表大小值來(lái)隨機(jī)選取其中的一臺(tái)服務(wù)器進(jìn)行訪問(wèn)。由概率統(tǒng)計(jì)理論可以得知，隨著客戶(hù)端調(diào)用服務(wù)端的次數(shù)增多，
其實(shí)際效果越來(lái)越接近于平均分配調(diào)用量到后端的每一臺(tái)服務(wù)器，也就是輪詢(xún)的結(jié)果。
隨機(jī)法的代碼實(shí)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(gè)Map，避免服務(wù)器的上下線導(dǎo)致的并發(fā)問(wèn)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(xún)法一致，先重建serverMap，再獲取到server列表。在選取server的時(shí)候，通過(guò)Random的nextInt方法取0~keyList.size()區(qū)間的一個(gè)隨機(jī)值，從而從服務(wù)器列表中隨機(jī)獲取到一臺(tái)服務(wù)器地址進(jìn)行返回。基于概率統(tǒng)計(jì)的理論，吞吐量越大，隨機(jī)算法的效果越接近于輪詢(xún)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(hù)端的IP地址，通過(guò)哈希函數(shù)計(jì)算得到的一個(gè)數(shù)值，用該數(shù)值對(duì)服務(wù)器列表的大小進(jìn)行取模運(yùn)算，得到的結(jié)果便是客服端要訪問(wèn)服務(wù)器的序號(hào)。采用源地址哈希法進(jìn)行負(fù)載均衡，同一IP地址的客戶(hù)端，當(dāng)后端服務(wù)器列表不變時(shí)，它每次都會(huì)映射到同一臺(tái)后端服務(wù)器進(jìn)行訪問(wèn)。
源地址哈希算法的代碼實(shí)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(gè)Map，避免服務(wù)器的上下線導(dǎo)致的并發(fā)問(wèn)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(guò)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(xún)法、隨機(jī)法一樣就不說(shuō)了，差別在于路由選擇部分。通過(guò)客戶(hù)端的ip也就是remoteIp，取得它的Hash值，對(duì)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(diǎn)在于：保證了相同客戶(hù)端IP地址將會(huì)被哈希到同一臺(tái)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(fèi)者與服務(wù)提供者之間建立有狀態(tài)的session會(huì)話。
源地址哈希算法的缺點(diǎn)在于：除非集群中服務(wù)器的非常穩(wěn)定，基本不會(huì)上下線，否則一旦有服務(wù)器上線、下線，那么通過(guò)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(xì)解讀，一致性Hash算法部分。
加權(quán)輪詢(xún)（Weight Round Robin）法
不同的后端服務(wù)器可能機(jī)器的配置和當(dāng)前系統(tǒng)的負(fù)載并不相同，因此它們的抗壓能力也不相同。給配置高、負(fù)載低的機(jī)器配置更高的權(quán)重，讓其處理更多的請(qǐng)；而配置低、負(fù)載高的機(jī)器，給其分配較低的權(quán)重，降低其系統(tǒng)負(fù)載，加權(quán)輪詢(xún)能很好地處理這一問(wèn)題，并將請(qǐng)求順序且按照權(quán)重分配到后端。加權(quán)輪詢(xún)法的代碼實(shí)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(gè)Map，避免服務(wù)器的上下線導(dǎo)致的并發(fā)問(wèn)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(xún)法類(lèi)似，只是在獲取服務(wù)器地址之前增加了一段權(quán)重計(jì)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(qǐng)求數(shù)量越多。
加權(quán)隨機(jī)（Weight Random）法
與加權(quán)輪詢(xún)法一樣，加權(quán)隨機(jī)法也根據(jù)后端機(jī)器的配置，系統(tǒng)的負(fù)載分配不同的權(quán)重。不同的是，它是按照權(quán)重隨機(jī)請(qǐng)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(gè)Map，避免服務(wù)器的上下線導(dǎo)致的并發(fā)問(wèn)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(jī)法和加權(quán)輪詢(xún)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(duì)于請(qǐng)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(dòng)態(tài)地選取其中當(dāng)前
積壓連接數(shù)最少的一臺(tái)服務(wù)器來(lái)處理當(dāng)前的請(qǐng)求，盡可能地提高后端服務(wù)的利用效率，將負(fù)責(zé)合理地分流到每一臺(tái)服務(wù)器。
前面幾種方法費(fèi)盡心思來(lái)實(shí)現(xiàn)服務(wù)消費(fèi)者請(qǐng)求次數(shù)分配的均衡，當(dāng)然這么做是沒(méi)錯(cuò)的，可以為后端的多臺(tái)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(shí)際情況是否真的如此？實(shí)際情況中，請(qǐng)求次數(shù)的均衡真的能代表負(fù)載的均衡嗎？這是一個(gè)值得思考的問(wèn)題。
上面的問(wèn)題，再換一個(gè)角度來(lái)說(shuō)就是：以后端服務(wù)器的視角來(lái)觀察系統(tǒng)的負(fù)載，而非請(qǐng)求發(fā)起方來(lái)觀察。最小連接數(shù)法便屬于此類(lèi)。
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(duì)于請(qǐng)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(dòng)態(tài)地選取其中當(dāng)前積壓連接數(shù)最少的一臺(tái)服務(wù)器來(lái)處理當(dāng)前請(qǐng)求，盡可能地提高后端服務(wù)器的利用效率，將負(fù)載合理地分流到每一臺(tái)機(jī)器。由于最小連接數(shù)設(shè)計(jì)服務(wù)器連接數(shù)的匯總和感知，設(shè)計(jì)與實(shí)現(xiàn)較為繁瑣，此處就不說(shuō)它的實(shí)現(xiàn)了。
附了一個(gè)說(shuō)明“NGINX的實(shí)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(wèn)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(qǐng)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(diǎn)！
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(qǐng)與原作者聯(lián)系。
