手把手教你写出 6 种负载均衡算法
常见的负载均衡算法,大概有 7 种。它们分别是:完全随机算法、加权随机算法、完全轮询算法、加权轮询算法、平滑加权轮询算法、哈希算法、最小压力算法。本文结合我个人的理解,给大家从头来写出 6 种负载均衡算法。
负载均衡算法,虽然你平时可能用不到,但是面试中可能会被问到。比如,面试 Dubbo,就可能问问你了解不了解 Dubbo 的负载均衡算法。还有 Nginx 等,这些都和并发编程存在着一些关联。了解它们,能让我们避免很多坑。
完全随机算法
随机就是没有规律的,随便从负载中获得一台,通常我相信大家第一时间会想到随机数。完全随机算法就和随机数有些关系。看下面的实现代码:
public static List<String> list = new ArrayList<String>() {
{
add("a");
add("b");
add("c");
}
};
static Random random = new Random();
public static String go() {
int number = random.nextInt(list.size());
return list.get(number);//随机获取服务器
}
public static void main(String[] args) {
for (int i = 0; i < 15; i++) {
System.out.println(go());
}
}
代码非常的简单,我就不在详细的解释。下面再看加权随机算法。
随机算法有一个缺点就是,所有的服务器被访问到的概率都是相同的。如果我某台服务器性能比较好,需要随机的权重高一些,那该怎么办?加权随机算法就是解决这个问题的。
## 加权随机算法 代码如下:
public static HashMap<String, Integer> map = new HashMap<String, Integer>() {
{
put("a", 2);
put("b", 7);
put("c", 1);
}
};
static Random random = new Random();
public static String go() {
List<String> ipList = new ArrayList<String>();
for (Map.Entry<String, Integer> item : map.entrySet()) {
for (int i = 0; i < item.getValue(); i++) {
ipList.add(item.getKey());
}
}
int allWeight = map.values().stream().mapToInt(a -> a).sum();
int number = random.nextInt(allWeight);
return ipList.get(number);
}
public static void main(String[] args) {
for (int i = 0; i < 15; i++) {
System.out.println(go());
}
}
代码也非常的简单。就是根据每个服务器的权重,添加对应权重数量的服务器到集合中。然后产生随机算法,获取服务器列表。构建一个服务器的 List,如果 a 服务器的权重是 2,那么往 List 里面 Add 两次 a 服务器,如果“b”服务器的权重是 7,那么我往 List 里面 Add 7次“b”服务器,以此类推,然后我再生成一个随机数,随机数的上限就是权重的总和,也就是 List 的 Size。这样权重越大的,被选中的概率当然越高。权重大的服务器获得的概率大一些,权重小的服务器获得的概率小一些。
这个算法,虽然解决了权重问题。但是,在我的权重设置过大的时候,比如上万,上千万。那么你的 List 就会被撑爆。所以,还有另外一种写法。代码如下:
public static HashMap<String, Integer> map = new HashMap<String, Integer>() {
{
put("a", 2);
put("b", 7);
put("c", 1);
}
};
static Random random = new Random();
public static String go1() {
int allWeight = map.values().stream().mapToInt(a -> a).sum();
int number = random.nextInt(allWeight);
for (Map.Entry<String, Integer> item : map.entrySet()) {
if (item.getValue() >= number) {
return item.getKey();
}
number -= item.getValue();
}
return "";
}
public static void main(String[] args) {
for (int i = 0; i < 15; i++) {
System.out.println(go1());
}
}
算法原理:如果 a 服务器的权重是 2,“b”服务器的权重是 7,“c”服务器的权重是 1。
- 如果我生成的随机数是 1,那么落到 a 服务器,因为 1<=2( a 服务器的权重)
- 如果我生成的随机数是 5,那么落到”b”服务器,因为 5>2(大于 a 服务器的权重),5-2( a 服务器的权重)= 3,3<7(“b”服务器的权重)
- 如果我生成的随机数是 10,那么落到“c”服务器,因为 10>2( a 服务器的权重),10-2( a 服务器的权重)=8,8>7(“b”服务器的权重),8-7(“b”服务器的权重)=1,1<=1(“c”服务器的权重)。
随机算法有一个缺点就是,有时候有些机器可能很长一段时间都随机不到。所以,就又有了轮询算法。
完全轮询算法,非常的简单,从头到尾,到尾了后,再从头开始。代码如下:
public static List<String> list = new ArrayList<String>() {
{
add("a");
add("b");
add("c");
}
};
static int index;
public static String go() {
if (index == list.size()) {
index = 0;
}
return list.get(index++);
}
public static void main(String[] args) {
for (int i = 0; i < 15; i++) {
System.out.println(go());
}
}
但这里还涉及到一个权重问题。因此就又有了加权轮询算法。代码如下:
public static HashMap<String, Integer> map = new HashMap<String, Integer>() {
{
put("a", 2);
put("b", 7);
put("c", 1);
}
};
static Random random = new Random();
static int index;
public static String go() {
int allWeight = map.values().stream().mapToInt(a -> a).sum();
int number = (index++) % allWeight;
for (Map.Entry<String, Integer> item : map.entrySet()) {
if (item.getValue() > number) {
return item.getKey();
}
number -= item.getValue();
}
return "";
}
public static void main(String[] args) {
for (int i = 0; i < 15; i++) {
System.out.println(go());
}
}
加权轮询,看起来并没什么问题,但是在实际中,可能某个服务器权重大,长时间执行。遇到耗时大的请求,压力非常的大。存在着不合理性。因此就诞生了一种叫平滑加权轮询算法。
代码稍微多一点,先看一个权重类。
public class SmoothWeightServer {
private int weight;
private int currentWeight;
private String ip;
public int getWeight() {
return weight;
}
public void setWeight(int weight) {
this.weight = weight;
}
public int getCurrentWeight() {
return currentWeight;
}
public void setCurrentWeight(int currentWeight) {
this.currentWeight = currentWeight;
}
public String getIp() {
return ip;
}
public void setIp(String ip) {
this.ip = ip;
}
public SmoothWeightServer(int weight, int currentWeight, String ip) {
this.weight = weight;
this.currentWeight = currentWeight;
this.ip = ip;
}
}
核心代码如下:
public static HashMap<String, SmoothWeightServer> serverMap = new HashMap<String, SmoothWeightServer>() {
{
put("a", new SmoothWeightServer(5,5,"a"));
put("b", new SmoothWeightServer(1,1,"b"));
put("c", new SmoothWeightServer(1,1,"c"));
}
};
public static String go() {
SmoothWeightServer maxWeightServer = null;
int allWeight = serverMap.values().stream().mapToInt(SmoothWeightServer::getWeight).sum();
for (Map.Entry<String, SmoothWeightServer> item : serverMap.entrySet()) {
SmoothWeightServer currentServer = item.getValue();
if (maxWeightServer == null || currentServer.getCurrentWeight() > maxWeightServer.getCurrentWeight()) {
maxWeightServer = currentServer;
}
}
assert maxWeightServer != null;
maxWeightServer.setCurrentWeight(maxWeightServer.getCurrentWeight() - allWeight);
for (Map.Entry<String, SmoothWeightServer> item : serverMap.entrySet()) {
SmoothWeightServer currentServer = item.getValue();
currentServer.setCurrentWeight(
currentServer.getCurrentWeight() + currentServer.getWeight());
}
return maxWeightServer.getIp();
}
public static void main(String[] args) {
for (int i = 0; i < 15; i++) {
System.out.println(go());
}
}
算法的原理是:每个服务器都有两个权重变量。weight,配置文件中指定的该服务器的权重,这个值是固定不变的;current_weight,服务器目前的权重。一开始为 0,之后会动态调整。每次当请求到来,选取服务器时,会遍历数组中所有服务器。对于每个服务器,让它的 current_weight 增加它的 weight;同时累加所有服务器的 weight,并保存为 total。遍历完所有服务器之后,如果该服务器的 current_weight 是最大的,就选择这个服务器处理本次请求。最后把该服务器的 current_weight 减去 total。
上面的算法虽好,但是在集群环境下,我想让同一个用户的访问,分流到固定的一台机器上,怎么办?所以就又有了哈希负载均衡算法。
public static List<String> list = new ArrayList<String>() {
{
add("a");
add("b");
add("c");
}
};
private static String go(String client) {
int nodeCount = 20;
TreeMap<Integer, String> treeMap = new TreeMap();
for (String s : list) {
for (int i = 0; i < nodeCount; i++)
treeMap.put((s + "—业余草---" + i).hashCode(), s);
}
int clientHash = client.hashCode();
SortedMap<Integer, String> subMap = treeMap.tailMap(clientHash);
Integer firstHash;
if (subMap.size() > 0) {
firstHash = subMap.firstKey();
} else {
firstHash = treeMap.firstKey();
}
String s = treeMap.get(firstHash);
return s;
}
public static void main(String[] args) {
for (int i = 0; i < 15; i++) {
System.out.println(go("用户来访问" + i));
}
}
上面的 6 种负载均衡算法是非常常见的,很可能在面试中被问到。我这里只是实现,实际应用中还要结合各种设计模式。另外可能把几种算法组合起来用。
本文由 创作,采用 知识共享署名4.0 国际许可协议进行许可。本站文章除注明转载/出处外,均为本站原创或翻译,转载前请务必署名。最后编辑时间为: 2021/04/19 08:59