Eth-Trunk负载分担不均怎么办，如何通过Hash算法实现负载分担？

• 什么是负载分担

• 如何通过Hash算法实现负载分担

• 如何处理Eth-Trunk负载分担不均

  • 成员数量是否为2的N次方

  • 是否存在跨设备堆叠

  • 是否存在Hash极化问题

  • 流量类型与负载分担模式是否匹配

什么是负载分担

在网络部署当中，当存在多条转发路径的时候，常常会部署负载分担功能。通过部署负载分担，设备可以基于报文内容等进行逐流转发，或者基于随机数、轮转方式进行逐包转发，以达到充分利用链路，提高转发效率的目的。

基于逐包负载分担方式的实际部署较少，因为该方式可能导致同一个用户的流量经过网络的不同路径传输后，到达目的设备出现报文乱序或多份的情况。常见的负载分担方式一般选择基于逐流进行负载分担。

逐流负载分担即按照一定的规则，如根据五元组（源IP地址、目的IP地址、协议号、源端口号、目的端口号），将报文分成不同的流。同一条流的报文，经过Hash计算后，会在同一条链路上转发。

如图1-1所示，假设DeviceA上有6个报文要通过DeviceA和DeviceB之间的LinkA和LinkB进行负载分担，其发送顺序为P1、P2、P3、P4、P5、P6，其中P2、P3和P5去往DeviceC，P1、P4、P6去往DeviceD。假设负载分担采用逐流方式，则去往DeviceC的报文都通过LinkA发送，去往DeviceD的报文都通过LinkB发送；或者去往DeviceC的报文都通过LinkB发送，去往DeviceD的报文都通过LinkA发送。

图1-1 逐流负载分担示意图

如何通过Hash算法实现负载分担

常见的负载分担处理过程包含输入（流量、报文的有效字段）、处理（通过Hash算法进行计算）和输出（根据计算结果将流量通过相应的出接口转发）。其中，通过Hash计算的结果会直接影响负载分担的效果，因此如何利用好Hash算法进行计算，在负载分担部署当中就显得尤为重要。

图1-2 Hash算法流程

如图1-2所示，