几种负载均衡的算法原理及代码实现

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 ListinitServerList() { Listservers = 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 ListserverList = 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 MapinitServicesMap() { MapservicesMap = 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 MapinitMap = new HashMap(); initMap = initServicesMap(); SetservicesSet = new HashSet(); servicesSet.addAll(initMap.keySet()); IteratorservicesIterator = servicesSet.iterator(); ListservicesList = 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()); } } }

随机算法:

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 ListinitServerList() { Listservers = 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 ListserverList = 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 ListinitServerList() { Listservers = 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 ListserverList = 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()); } } }

原文地址：https://www.linuxprobe.com/loadbalancer-realize-theory.html