一般情況下，我們對負(fù)載均衡的要求就是均勻，確保調(diào)用方的請求流量能夠均勻的發(fā)送到我們?nèi)哂嗖渴鸬腘個服務(wù)節(jié)點上，所以負(fù)載均衡的算法一般使用隨機(jī)或輪詢都可以保證被調(diào)用結(jié)點流量的均勻。

真實情況下，往往由于部署服務(wù)的服務(wù)器性能或資源分配等原因需要我們?yōu)榉?wù)結(jié)點設(shè)置不同的權(quán)重，權(quán)重高的結(jié)點可以分配多一些的流量，同時降低權(quán)重低的結(jié)點的流量比例。

這時負(fù)載均衡就不能簡單的使用隨機(jī)或者輪詢了，需要添加對權(quán)重的支持。接下來我們分析幾種帶權(quán)重的負(fù)載均衡算法，并分析一下他們的優(yōu)缺點：

-     使用隨機(jī)數(shù)     -

設(shè)計思路如下：首先經(jīng)過負(fù)載均衡后選擇到一個結(jié)點，然后我們根據(jù)權(quán)重值再做一道攔截，按權(quán)重按比例放行，實現(xiàn)按降低結(jié)點流量的效果。例如我們規(guī)定權(quán)重的范圍從0到10之間，0拒絕，10放行。權(quán)重值越高，分配的流量就越多。

最簡單的實現(xiàn)方案，可以使用隨機(jī)值，假設(shè)設(shè)置目標(biāo)結(jié)點的權(quán)重值為7，當(dāng)結(jié)點被負(fù)載均衡選中后，我們生成一個0到10之間的隨機(jī)數(shù)，小于7放行，大于7則不向目標(biāo)結(jié)點發(fā)送請求，需要從新做負(fù)載均衡計算，由此實現(xiàn)了將目標(biāo)結(jié)點的流量降低到原來的70%。

方案實現(xiàn)起來很簡單，但問題也很明顯，我們都知道生成隨機(jī)數(shù)的計算會造成CPU的開銷，計算權(quán)重又發(fā)生在RPC調(diào)用過程中，所以每次RPC請求都會額外的增加一次隨機(jī)數(shù)計算，累積起來對CPU額外的開銷就很大了。我們可以進(jìn)一步優(yōu)化一下。

-     隨機(jī)數(shù)組     -

我們可以使用一個隨機(jī)數(shù)組代替上文描述的生成隨機(jī)數(shù)的策略，實現(xiàn)同樣效果的同時能夠減少CPU的計算量。接下來描述下隨機(jī)數(shù)組算法，同樣權(quán)重設(shè)計為0~10。

我們?yōu)槊總€被調(diào)用的結(jié)點都生成一個隨機(jī)數(shù)組，數(shù)組長度為10?？臻g分配好后用0和1填充數(shù)組，0的個數(shù)與結(jié)點的權(quán)重值一樣，同時要保證0在數(shù)組中出現(xiàn)的位置是隨機(jī)的。

我們生成一個代表權(quán)重為“4”的隨機(jī)數(shù)組（4個0）。

和隨機(jī)數(shù)方案類似，我們在完成負(fù)載均衡計算后，進(jìn)行權(quán)重攔截。這個時候我們可以通過訪問隨機(jī)數(shù)組代替生成隨機(jī)數(shù)的計算，方案描述如下：記錄上一次訪問隨機(jī)數(shù)組的位置，取數(shù)組下一位置元素值，取到0則放行，1則拒絕，重新進(jìn)行負(fù)載均衡計算。方案的思路是，輪詢訪問隨機(jī)數(shù)組，到達(dá)隨機(jī)效果。因為數(shù)組的內(nèi)容是隨機(jī)的。

這兩種方案思路是一致的，都是在負(fù)載均衡計算后再加一道權(quán)重攔截。但這樣的問題是流量控制不精確，無法實現(xiàn)精確個節(jié)點按權(quán)重比例分配流量。我們可以換個思路，實現(xiàn)精確的流量控制。

-     輪詢加權(quán)重負(fù)載策略     -

設(shè)計思路如下，設(shè)計一個權(quán)重因子，初始值為所有被調(diào)用的結(jié)點中最大權(quán)重值。負(fù)載均衡使用輪詢算法，被選中結(jié)點權(quán)重值大于等于權(quán)重因子則可以調(diào)用，否則用下一結(jié)點的權(quán)重值與權(quán)重因子比較，一輪循環(huán)結(jié)束后如果沒有選中結(jié)點，則降低權(quán)重因子，繼續(xù)通過與權(quán)重因子比較進(jìn)行選擇，直到選中為止。權(quán)重因子降為0后，恢復(fù)為最大權(quán)重值。

上述偽代碼中幾個變量意義如下：

• i：當(dāng)前輪詢的結(jié)點；

• n：可選擇結(jié)點數(shù)量；

• cw：權(quán)重因子；

• gcd(s)：權(quán)重因子每次降低的步長；

• max(s)：所有結(jié)點中最大的權(quán)重值；

• W(si)：結(jié)點Si的權(quán)重值；

• Si：服務(wù)結(jié)點（S0~Sn-1，共n個）

權(quán)重因子的降低步長為所有結(jié)點權(quán)重值的最大公約數(shù)。

假設(shè)有4個結(jié)點，A，B，C，D，權(quán)重值分別為，8，6，4，2，各結(jié)點權(quán)重值得最大公約數(shù)為2，所以權(quán)重降低步長為2，通過上面的偽代碼，我們推演下負(fù)載均衡的流量分配結(jié)果。

初始條件：

• 1、i從0開始循環(huán)；

• 2、權(quán)重因子為8（偽代碼中初始化為0，減權(quán)重因子后小于0，被恢復(fù)為最大值）

  
  

第一次調(diào)用：i=0，A權(quán)重大于等于權(quán)重因子（8），可以調(diào)用A；

第二次調(diào)用：i=1，B權(quán)重小于8，不可以調(diào)用，繼續(xù)循環(huán)；

......

第二次調(diào)用會選擇哪個結(jié)點呢，以及后面的調(diào)用如何選擇的，歡迎大家在評留言給出自己的推演結(jié)果。

另外權(quán)重因子的降低步長為什么是最大公約數(shù)呢？歡迎大家在評論區(qū)交流。

特別推薦一個分享架構(gòu)+算法的優(yōu)質(zhì)內(nèi)容，還沒關(guān)注的小伙伴，可以長按關(guān)注一下：
		

			

長按訂閱更多精彩▼
		

			
如有收獲，點個在看，誠摯感謝