當前位置：首頁 > 编程资源 > 编程问答 >内容正文

编程问答

2台服务器负载均衡后synchronized_一篇有趣的负载均衡算法实现

發布時間：2025/3/12 编程问答 20 豆豆

生活随笔收集整理的這篇文章主要介紹了 2台服务器负载均衡后synchronized_一篇有趣的负载均衡算法实现小編覺得挺不錯的,現在分享給大家,幫大家做個參考.

負載平衡(Load balancing)是一種在多個計算機(網絡、CPU、磁盤)之間均勻分配資源，以提高資源利用的技術。使用負載均衡可以最大化服務吞吐量，可能最小化響應時間，同時由于使用負載均衡時，會使用多個服務器節點代單點服務，也提高了服務的可用性。

負載均衡的實現可以軟件可以硬件，硬件如大名鼎鼎的 F5 負載均衡設備，軟件如 NGINX 中的負載均衡實現，又如 Springcloud Ribbon 組件中的負載均衡實現。

如果看到這里你還不知道負載均衡是干嘛的，那么只能放一張圖了，畢竟沒圖說個啥。

正經的負載均衡示例

負載均衡要做到在多次請求下，每臺服務器被請求的次數大致相同。但是實際生產中，可能每臺機器的性能不同，我們會希望性能好的機器承擔的請求更多一些，這也是正常需求。

如果這樣說下來你看不懂，那我就再舉個例子好了，一排可愛的小熊(服務器)站好。

一排要被訪問的服務器

這時有人(用戶)要過來打臉(請求訪問)。

用戶請求

那么怎么樣我們才能讓這每一個可愛的小熊被打的次數大致相同呢？

又或者熊 4 比較胖，抗擊打能力是別人的兩倍，我們怎么提高熊 4 被打的次數也是別人的兩倍呢？

又或者每次出手的力度不同，有重有輕，恰巧熊 4 總是承受這種大力度啪啪打臉，熊 4 即將不省熊事，還要繼續打它嗎？

這些都是值得思考的問題。

說了那么多，口干舌燥，我雙手已經饑渴難耐了，迫不及待的想要擼起代碼了。

1. 隨機訪問

上面說了，為了負載均衡，我們必須保證多次出手后，熊 1 到熊 4 被打次數均衡。比如使用隨機訪問法，根據數學上的概率論，隨機出手次數越多，每只熊被打的次數就會越相近。代碼實現也比較簡單，使用一個隨機數，隨機訪問一個就可以了。

/**?服務器列表?*/private?static?List?serverList?=?new?ArrayList<>();static?{????serverList.add("192.168.1.2");????serverList.add("192.168.1.3");????serverList.add("192.168.1.4");????serverList.add("192.168.1.5");}/**?*?隨機路由算法?*/public?static?String?random()?{????//?復制遍歷用的集合，防止操作中集合有變更????List?tempList?=?new?ArrayList<>(serverList.size());????tempList.addAll(serverList);????//?隨機數隨機訪問????int?randomInt?=?new?Random().nextInt(tempList.size());????return?tempList.get(randomInt);}

因為使用了非線程安全的集合，所以在訪問操作時操作的是集合的拷貝，下面幾種輪詢方式中也是這種思想。

寫一個模擬請求方法，請求10w次，記錄請求結果。

public?static?void?main(String[]?args)?{????HashMap?serverMap?=?new?HashMap<>();????for?(int?i?=?0;?i??entry?:?serverMap.entrySet())?{????????System.out.println("IP:"?+?entry.getKey()?+?"，次數："?+?entry.getValue());????}}

運行得到請求結果。

IP:192.168.1.3，次數：24979IP:192.168.1.2，次數：24896IP:192.168.1.5，次數：25043IP:192.168.1.4，次數：25082

每臺服務器被訪問的次數都趨近于 2.5w，有點負載均衡的意思。但是隨機畢竟是隨機，是不能保證訪問次數絕對均勻的。

2. 輪詢訪問

輪詢訪問就簡單多了，拿上面的熊1到熊4來說，我們一個接一個的啪啪 - 打臉，熊1打完打熊2，熊2打完打熊3，熊4打完打熊1，最終也是實現了被打均衡。但是保證均勻總是要付出代價的，隨機訪問中需要隨機，輪詢訪問中需要什么來保證輪詢呢？

/**?服務器列表?*/private?static?List?serverList?=?new?ArrayList<>();static?{????serverList.add("192.168.1.2");????serverList.add("192.168.1.3");????serverList.add("192.168.1.4");????serverList.add("192.168.1.5");}private?static?Integer?index?=?0;/**?*?隨機路由算法?*/public?static?String?randomOneByOne()?{????//?復制遍歷用的集合，防止操作中集合有變更????List?tempList?=?new?ArrayList<>(serverList.size());????tempList.addAll(serverList);????String?server?=?"";????synchronized?(index)?{????????index++;????????if?(index?==?tempList.size())?{????????????index?=?0;????????}????????server?=?tempList.get(index);;????}????return?server;}

由代碼里可以看出來，為了保證輪詢，必須記錄上次訪問的位置，為了讓在并發情況下不出現問題，還必須在使用位置記錄時進行加鎖，很明顯這種互斥鎖增加了性能開銷。

依舊使用上面的測試代碼測試10w次請求負載情況。

IP:192.168.1.3，次數：25000IP:192.168.1.2，次數：25000IP:192.168.1.5，次數：25000IP:192.168.1.4，次數：25000

3. 輪詢加權

上面演示了輪詢方式，還記得一開始提出的熊4比較胖抗擊打能力強，可以承受別人2倍的挨打次數嘛？上面兩種方式都沒有體現出來熊 4 的這個特點，熊 4 竊喜，不痛不癢。但是熊 1 到熊 3 已經在崩潰的邊緣，不行，我們必須要讓胖著多打，能者多勞，提高整體性能。

/**?服務器列表?*/private?static?HashMap?serverMap?=?new?HashMap<>();static?{????serverMap.put("192.168.1.2",?2);????serverMap.put("192.168.1.3",?2);????serverMap.put("192.168.1.4",?2);????serverMap.put("192.168.1.5",?4);}private?static?Integer?index?=?0;/**?*?加權路由算法?*/public?static?String?oneByOneWithWeight()?{????List?tempList?=?new?ArrayList();????HashMap?tempMap?=?new?HashMap<>();????tempMap.putAll(serverMap);????for?(String?key?:?serverMap.keySet())?{????????for?(int?i?=?0;?i?

這次記錄下了每臺服務器的整體性能，給出一個數值，數值越大，性能越好。可以承受的請求也就越多，可以看到服務器 192.168.1.5 的性能為 4，是其他服務器的兩倍，依舊 10 w 請求測試。

IP:192.168.1.3，次數：20000IP:192.168.1.2，次數：20000IP:192.168.1.5，次數：40000IP:192.168.1.4，次數：20000

192.168.1.5 承擔了 2 倍的請求。

4. 隨機加權

隨機加權的方式和輪詢加權的方式大致相同，只是把使用互斥鎖輪詢的方式換成了隨機訪問，按照概率論來說，訪問量增多時，服務訪問也會達到負載均衡。

/**?服務器列表?*/private?static?HashMap?serverMap?=?new?HashMap<>();static?{????serverMap.put("192.168.1.2",?2);????serverMap.put("192.168.1.3",?2);????serverMap.put("192.168.1.4",?2);????serverMap.put("192.168.1.5",?4);}/**?*?加權路由算法?*/public?static?String?randomWithWeight()?{????List?tempList?=?new?ArrayList();????HashMap?tempMap?=?new?HashMap<>();????tempMap.putAll(serverMap);????for?(String?key?:?serverMap.keySet())?{????????for?(int?i?=?0;?i?

依舊 10 w 請求測試，192.168.1.5 的權重是其他服務器的近似兩倍，

IP:192.168.1.3，次數：19934IP:192.168.1.2，次數：20033IP:192.168.1.5，次數：39900IP:192.168.1.4，次數：20133

5. IP-Hash

上面的幾種方式要么使用隨機數，要么使用輪詢，最終都達到了請求的負載均衡。但是也有一個很明顯的缺點，就是同一個用戶的多次請求很有可能不是同一個服務進行處理的，這時問題來了，如果你的服務依賴于 session ，那么因為服務不同， session 也會丟失，不是我們想要的，所以出現了一種根據請求端的 ip 進行哈希計算來決定請求到哪一臺服務器的方式。這種方式可以保證同一個用戶的請求落在同一個服務上。

private?static?List?serverList?=?new?ArrayList<>();static?{????serverList.add("192.168.1.2");????serverList.add("192.168.1.3");????serverList.add("192.168.1.4");????serverList.add("192.168.1.5");}/**?*?ip?hash?路由算法?*/public?static?String?ipHash(String?ip)?{????//?復制遍歷用的集合，防止操作中集合有變更????List?tempList?=?new?ArrayList<>(serverList.size());????tempList.addAll(serverList);????//?哈希計算請求的服務器????int?index?=?ip.hashCode()?%?serverList.size();????return?tempList.get(Math.abs(index));}

6. 總結

上面的四種方式看似不錯，那么這樣操作下來真的體現了一開始說的負載均衡嗎？答案是不一定的。就像上面的最后一個提問。