负载均衡总结

算法简单分析

负载均衡可以放在客户端，也可以放在服务端; 考虑每种算法的适用性有很多种角度, 比如机器处理能力，可扩展性，系统稳定性，业务定制化服务等,简单罗列算法的优缺点，个人理解;

1. 随机算法

    机器配置相同，处理能力相似，但是dubbo默认的是随机算法;

2. 轮询算法

    机器配置相同，处理能力差不多;

3. 最小活跃数

    缺点: 服务能力弱的机器会吃不消，在服务能力偏弱的情况下，会强制跟服务能力强的机器靠近匹配(cpu密集型和io密集型);     

    优点: 机器性能好，处理的数据就越多，积压请求少, 而且相对保证集群稳定;

4. 一致性hash

    适合集群服务节点的增加和减少;                  

5. 加权方法

     针对服务器服务能力不一样，差异化对待处理;

6. hash方法

     hash映射是固定的，那服务请求也会固定映射到指定服务器;

   

以上方法，随机和轮询需要考虑差异, 随机可用性会更高，系统服务异常调用次数会低点;

LVS&Nginx&HAProxy

LVS: 工作在网络层, 

加权轮询，加权随机 比较好的方法:

加权轮询有一种是把所有机器ip放到List里面，这种对于机器比较多的情况下不是很友好;

/**
     * 加权轮询
     * @param num
     * @return
     */
    public static String getServer(int num) {

        int totalWeight = SERVER_MAP.values().stream().mapToInt(x -> x).sum();
        int server = num % totalWeight;

        for (String serverName : SERVER_MAP.keySet()) {
            int serverWeight = SERVER_MAP.get(serverName);
            if(server < serverWeight ) {
                return serverName;
            }
            server = server - serverWeight;
        }
        return "";
    }

平滑加权随机:

 public static String getSmoothServer() {

        if(SERVER_WEIGHT_MAP.isEmpty()) {
            SERVER_MAP.forEach((key, value) -> {
                SERVER_WEIGHT_MAP.put(key, new Weight(key, 0, value));
            });
        }
        int totalWeight = SERVER_WEIGHT_MAP.values().stream().mapToInt(x -> x.getWeight()).sum();
        SERVER_WEIGHT_MAP.forEach((key, weight)-> {
            weight.setCurrWeight(weight.getCurrWeight() + weight.getWeight());
        });
        Weight maxWeight = null;

        for(Weight item : SERVER_WEIGHT_MAP.values()) {
            if(null == maxWeight || maxWeight.getCurrWeight() < item.getCurrWeight()) {
                maxWeight = item;
            }
        }
        maxWeight.setCurrWeight(maxWeight.getCurrWeight() - totalWeight);
        printWeight(SERVER_WEIGHT_MAP);
        return maxWeight.getServiceName();
    }