在實際項目中，一個服務基本都是集群模式的，也就是多個功能相同的項目在運行，這樣才能承受更高的并發(fā)，這時一個請求到這個服務，就需要確定訪問哪一個服務器

?Dubbo框架內部支持負載均衡算法，能夠盡可能的讓請求在相對空閑的服務器上運行

在不同的項目中，可能選用不同的負載均衡策略，以達到最好效果

Dubbo內置的負載均衡策略算法

Dubbo內置4種負載均衡算法

• random loadbalance：隨機分配策略（默認）
• round Robin Loadbalance：權重平均分配
• leastactive Loadbalance：活躍度自動感知分配
• consistanthash Loadbalance：一致性hash算法分配

實際運行過程中，每個服務器性能不同

在負載均衡時，都會有性能權重，這些策略算法都考慮權重問題

1.隨機分配策略

假設我們當前三臺服務器，經過測試它們的性能權重比值為5：3：1

隨機生成隨機數

在那個范圍內讓那個服務器運行

優(yōu)點：

算法簡單，效率高，長時間運行下，任務分配比例準確

缺點：

偶然性高，如果連續(xù)的幾個隨機請求發(fā)送到性能弱的服務器，會導致異常甚至宕機

2.權重平滑(均)分配

如果幾個服務器權重一致，那么就是依次運行，但是服務器的性能權重一致的可能性很小

所以我們需要權重平滑分配

一個優(yōu)秀的權重平均分配算法，應該時讓每個服務器都有機會運行的

如果一個服務器集群的性能比為5：3：1服務器分別為A，B，C

那么1-5分配A，6-8分配B，9分配C

但是如果一個服務器被連續(xù)5個請求，那樣子B和C就不會被分配任務，我們希望所有的服務器能夠穿插在一起運行

因此

Dubbo2.7之后更新了這個算法使用“平滑加權算法”優(yōu)化權重平均分配策略

?優(yōu)點：能夠盡可能的在權重要求的情況加，實現請求的穿插運行（交替運行），不會發(fā)生隨機策略中的偶發(fā)情況

缺點：服務器較多時，可能需要減權和復權的計算，需要消耗系統(tǒng)資源

3.活躍度自動感知

記錄每個服務器處理一次請求的時間

按照時間比列來分配任務輸，運行一次需要的時間多的分配的請求輸較少

4.一致性Hash算法

根據請求的參數進行hash運算

以后每次相同的參數的請求都會訪問固定服務器

因為根據參數選擇服務器，不能平均分配到每臺服務器上

使用的也不多

總結

以上是生活随笔為你收集整理的负载均衡(Loadbalance)的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。