一般来说，我们在设计系统的时候，为了系统的高扩展性，会尽可能的创建无状态的系统，这样我们就可以采用集群的方式部署，最终很方便的根据需要动态增减服务器数量。但是，要使系统具有更好的可扩展性，除了无状态设计之外，还要考虑采用什么负载均衡算法，本文就带领大家认识以下常见的4种负载均衡算法。

负载均衡是指多台服务器以对称的方式组成一个服务器集群。每台服务器的地位相当（但不同的服务器可能性能不同），可以独立提供服务，无需其他服务器的辅助。为了保证系统的可扩展性，需要有一种算法能够将系统负载平均分配给集群中的每台服务器。这种算法称为负载均衡算法。负责执行负载均衡算法并平均分配请求的服务器称为负载均衡器。

(相关资料图)

随机算法非常简单，该算法的核心是通过随机函数随机获取一个服务器进行访问。假设我们现在有四台服务器，192.168.1.1~ 192.168.1.4, 该算法用java实现大致如下：

public class RandomTest {    private static final List servers = Arrays.asList("192.168.1.1", "192.168.1.2", "192.168.1.3", "192.168.1.4");    public static String getServer() {        Random random = new Random();        int index = random.nextInt(servers.size());        return servers.get(index);    }    public static void main(String[] args) {        for (int i = 0; i < 10; i++) {            String server = getServer();            System.out.println("select server: "+server);        }    }}

当样本较小时，算法可能分布不均匀，但根据概率论，样本越大，负载会越均匀，而负载均衡算法本来就是为应对高并发场景而设计的。该算法的另一个缺点是所有机器都有相同的访问概率, 如果服务器性能不同，负载将不平衡。

Round-Robin轮询算法是另一种经典的负载均衡算法。请求以循环的方式分发到集群中的所有服务器。同理，对于上述四台服务器，假设客户端向集群发送10个请求，则请求分布将如下图所示：

在十个请求中，第一、第五和第九个请求将分配给192.168.1.1​，第二、第六和第十个请求将分配给192.168.1.2​，依此类推。我们可以看到round-robin算法可以在集群中均匀的分配请求。但是，该算法具有与随机算法相同的缺点，如果服务器性能不同，负载将不平衡，因此需要加权轮询算法。

Weighted Round-Robin​加权轮询算法是在round-robin算法的基础上根据服务器的性能分配权重。服务器能支持的请求越多，权重就越高，分配的请求也就越多。对于同样的10个请求，使用加权轮询算法的请求分布会如下图所示：

可以看到192.168.1.4权重最大，分配的请求数最多。看一下使用Java简单实现的以下加权循环算法。

public class RoundRobinTest {    public class Node{        private String ip;        private Integer weight;        private Integer currentWeight;        public Node(String ip,Integer weight) {            this.ip = ip;            this.weight = weight;            this.currentWeight = weight;        }        public String getIp() {            return ip;        }        public void setIp(String ip) {            this.ip = ip;        }        public Integer getWeight() {            return weight;        }        public void setWeight(Integer weight) {            this.weight = weight;        }        public Integer getCurrentWeight() {            return currentWeight;        }        public void setCurrentWeight(Integer currentWeight) {            this.currentWeight = currentWeight;        }    }    List servers = Arrays.asList(            new Node("192.168.1.1",1),            new Node("192.168.1.2",2),            new Node("192.168.1.3",3),            new Node("192.168.1.4",4));    private Integer totalWeight;    public RoundRobinTest() {        this.totalWeight = servers.stream()                .mapToInt(Node::getWeight)                .reduce((a,b)->a+b).getAsInt();    }    public String getServer() {        Node node = servers.stream().max(Comparator.comparingInt(Node::getCurrentWeight)).get();        node.setCurrentWeight(node.getCurrentWeight()-totalWeight);        servers.forEach(server->server.setCurrentWeight(server.getCurrentWeight()+server.getWeight()));        return node.getIp();    }    public static void main(String[] args) {        RoundRobinTest roundRobinTest = new RoundRobinTest();        for (int i = 0; i < 10; i++) {            String server = roundRobinTest.getServer();            System.out.println("select server: "+server);        }    }

该算法的核心是的动态计算currentWeight​。每个服务器被选中后，currentWeight需要减去所有服务器的权重之和，这样可以避免权重高的服务器一直被选中。权重高的服务器有更多的分配请求，请求可以平均分配给所有服务器。

哈希算法，顾名思义，就是利用哈希表根据 计算出请求的路由hashcode%N。这里hashcode代表哈希值，N代表服务器数量。该算法的优点是实现起来非常简单。具体实现如下：

rivate static final List servers = Arrays.asList("192.168.1.1", "192.168.1.2", "192.168.1.3", "192.168.1.4");    public static String getServer(String key) {        int hash = key.hashCode();        int index =  hash%servers.size();        return servers.get(index);    }    public static void main(String[] args) {        for (int i = 0; i < 10; i++) {            String server = getServer(String.valueOf(i));            System.out.println("select server: "+server);        }    }

哈希算法在很多缓存分布式存储系统中很常见，比如Memorycached和Redis，但是一般不会用到上面的哈希算法，而是优化后的一致性哈希算法。

本文总结了负载均衡常见的4中算法，我们可以发现nginx​或者spring cloud​中的ribbon都使用到了这样的算法思想，我们可以根据自己的业务场景选择合适算法。

关键词： 负载均衡 服务器的 如下图所示 可扩展性