| 导读 | 轮询算法： 将接收到的请求依次转发到后端服务器上，它均衡对待（一视同仁）所有服务器，而不关心当前服务器实际连接数及当前系统负载。 |
轮询算法： 将接收到的请求依次转发到后端服务器上，它均衡对待（一视同仁）所有服务器，而不关心当前服务器实际连接数及当前系统负载。 这里实现一个简单的轮询系统：
public class RoundRobin {
static Integer position = 0;
public static List initServerList() {
List servers = new ArrayList<>();
servers.add("192.168.10.00");
servers.add("192.168.10.01");
servers.add("192.168.10.02");
servers.add("192.168.10.03");
servers.add("192.168.10.04");
servers.add("192.168.10.05");
servers.add("192.168.10.06");
return servers;
}
public static String getServerUrl() {
//新建立一个List赋值，避免服务器上下线导致的并发问题
List serverList = new ArrayList<>();
serverList.addAll(initServerList());
String server = null;
synchronized (position){
if(position >= serverList.size()) {
position = 0;
}
server = serverList.get(position);
position ++;
}
return server;
}
public static void main(String[] args) {
while (true){
System.out.println(getServerUrl());
}
}
}
在实际生产环境中，我们还得考虑诸多因素，比如：
新增服务器ip如何处理？ 这个比较简单，直接添加到initServerList()即可。
出现服务宕机怎么办？ 比如192.168.10.01 所在服务器挂掉了，请求被转发给它，就会报错。这时，需要服务的消费者考虑容错处理，在这种情况下，比如再发一次请求，那就会被转发到192.168.10.02 机器上，正常。 该方法最大缺点是引用了悲观锁 synchronized，影响系统的并发性能。
每台机器的配置不一样，有单核CPU，2G内存，有8核CPU，32G内存。这种情形下，使用上述轮询，那就不公平了，对弱配置机器，压力很大。 这个，我们可以引入
加权轮询： 每台服务器，给一个权重值，权值高的，多分配点儿请求，权值少的，少分配点儿请求，。 实现思路也很简单，根据权值，重新构建服务列表，然后再轮询。上个图示：
如下是代码实现：
public class WeightRoundRobin {
static Integer position = 0;
public static Map initServicesMap() {
Map servicesMap = new HashMap<>();
servicesMap.put("192.168.10.00", 1);
servicesMap.put("192.168.10.02", 3);
servicesMap.put("192.168.10.03", 3);
servicesMap.put("192.168.10.04", 5);
servicesMap.put("192.168.10.05", 5);
servicesMap.put("192.168.10.06", 5);
return servicesMap;
}
public static String getServerUrl() {
//新建立一个List赋值，避免服务器上下线导致的并发问题
Map initMap = new HashMap<>();
initMap = initServicesMap();
Set servicesSet = new HashSet<>();
servicesSet.addAll(initMap.keySet());
Iterator servicesIterator = servicesSet.iterator();
List servicesList = new ArrayList<>();
while (servicesIterator.hasNext()) {
String server = servicesIterator.next();
Integer weight = initMap.get(server);
if(weight > 0) {
for(int i=0; i= servicesList.size()) {
position = 0;
}
server = servicesList.get(position);
position ++;
}
return server;
}
public static void main(String[] args) {
while (true){
System.out.println(getServerUrl());
}
}
}
顾名思义：现有N个服务器ip地址，请求来了后，随机转发到某个服务器上。从概率的角度来说，随着请求数的增多，最终每台服务器分配到的请求，近似于均等。这就比轮询算法少了个悲观锁，并发性能上，有了极大的提升。
实现也很简单：
如下：
public class RandomDemo {
public static List initServerList() {
List servers = new ArrayList<>();
servers.add("192.168.10.00");
servers.add("192.168.10.01");
servers.add("192.168.10.02");
servers.add("192.168.10.03");
servers.add("192.168.10.04");
servers.add("192.168.10.05");
servers.add("192.168.10.06");
return servers;
}
public static String getServerUrl() {
//新建立一个List赋值，避免服务器上下线导致的并发问题
List serverList = new ArrayList<>();
serverList.addAll(initServerList());
int position = new Random().nextInt(serverList.size());
return serverList.get(position);
}
public static void main(String[] args) {
while (true) {
System.out.println(getServerUrl());
}
}
}
但他也有与简单轮询算法一样的问题：
对于不同性能的服务器，依旧一视同仁，那其实是不公平的。低配置，应该少分点请求嘛。
这就有了
加权随机算法，其实现思想同 加权轮询算法一样，给不同配置的服务器，配置不同的权重值。代码实现也同加权轮询思路一样，构建出符合权重值的服务集合后，再进行随机选取，这里就不写了，留给大家自己去写吧。
源地址哈希（hashCode）法 ： 根据客户端的请求ip，通过哈希计算，得到一个数值，随后与服务器列表个数，进行取模计算，得到该请求 访问服务器列表的序号。该方法，有个好处是，当服务器列表不变时，某个客户端，会始终访问某一个固定的服务器，这样就可以构建一个客户端--服务器之间，有状态的session。
代码实现：
public class HashDemo {
public static List initServerList() {
List servers = new ArrayList<>();
servers.add("192.168.10.00");
servers.add("192.168.10.01");
servers.add("192.168.10.02");
servers.add("192.168.10.03");
servers.add("192.168.10.04");
servers.add("192.168.10.05");
servers.add("192.168.10.06");
return servers;
}
public static String getServerUrl() {
//新建立一个List赋值，避免服务器上下线导致的并发问题
List serverList = new ArrayList<>();
serverList.addAll(initServerList());
int requestIpHashCode = "192.168.10.06.109".hashCode();
int position = requestIpHashCode % serverList.size();
return serverList.get(position);
}
public static void main(String[] args) {
while (true) {
System.out.println(getServerUrl());
}
}
}
原文来自：
本文地址：//gulass.cn/loadbalancer-realize-theory.html编辑：烨子，审核员：逄增宝
本文原创地址：//gulass.cn/loadbalancer-realize-theory.html编辑：public，审核员：暂无
