首先給我們介紹下什么是負載均衡
負載均衡 樹立在現(xiàn)有網(wǎng)絡結(jié)構(gòu)之上，它供給了一種廉價有用通明的辦法擴展 網(wǎng)絡設備和 效勞器的帶寬、添加 吞吐量、加強網(wǎng)絡數(shù)據(jù)處理才能、進步網(wǎng)絡的靈敏性和可用性。
負載均衡，英文名稱為Load Balance，其意思就是分攤到多個操作單元上進行履行，例如Web 效勞器、 FTP效勞器、 企業(yè)要害應用效勞器和其它要害使命效勞器等，然后共同完成工作使命。
多種負載均衡算法及其Java代碼完成
本文敘述的是”將外部發(fā)送來的懇求均勻分配到對稱結(jié)構(gòu)中的某一臺效勞器上”的各種算法，并以Java代碼演示每種算法的具體完成，OK，下面進入正題，在進入正題前，先寫一個類來模仿Ip列表：

輪詢（Round Robin）法
輪詢調(diào)度算法的原理是每一次把來自用戶的懇求輪番分配給內(nèi)部中的效勞器，從1開端，直到N(內(nèi)部效勞器個數(shù))，然后從頭開端循環(huán)。算法的長處是其簡潔性，它無需記載當時一切銜接的狀況，所以它是一種無狀況調(diào)度。
其代碼完成大致如下：

因為serverWeightMap中的地址列表是動態(tài)的，隨時可能有機器上線、下線或許宕機，因而為了防止可能呈現(xiàn)的并發(fā)問題，辦法內(nèi)部要新建局部變量serverMap，現(xiàn)將serverMap中的內(nèi)容仿制到線程本地，以防止被多個線程修正。這樣可能會引進新的問題，仿制今后serverWeightMap的修正無法反映給serverMap，也就是說這一輪挑選效勞器的過程中，新增效勞器或許下線效勞器，負載均衡算法將無法獲悉。新增無所謂，如果有效勞器下線或許宕機，那么可能會拜訪到不存在的地址。因而，效勞調(diào)用端需求有相應的容錯處理，比方從頭建議一次server挑選并調(diào)用。
關于當時輪詢的方位變量pos，為了確保效勞器挑選的次序性，需求在操作時對其加鎖，使得同一時間只能有一個線程能夠修正pos的值，不然當pos變量被并發(fā)修正，則無法確保效勞器挑選的次序性，甚至有可能導致keyList數(shù)組越界。
輪詢法的長處在于：企圖做到懇求搬運的肯定均衡。
輪詢法的缺陷在于：為了做到懇求搬運的肯定均衡，有必要支付適當大的價值，因為為了確保pos變量修正的互斥性，需求引進重量級的失望鎖synchronized，這將會導致該段輪詢代碼的并發(fā)吞吐量發(fā)作顯著的下降。
隨機（Random）法
經(jīng)過體系的隨機算法，依據(jù)后端效勞器的列表巨細值來隨機選取其間的一臺效勞器進行拜訪。由概率核算理論能夠得知，跟著客戶端調(diào)用效勞端的次數(shù)增多，
其實際作用越來越接近于平均分配調(diào)用量到后端的每一臺效勞器，也就是輪詢的成果。
隨機法的代碼完成大致如下：

全體代碼思路和輪詢法共同，先重建serverMap，再獲取到server列表。在選取server的時分，經(jīng)過Random的nextInt辦法取0~keyList.size()區(qū)間的一個隨機值，然后從效勞器列表中隨機獲取到一臺效勞器地址進行回來。依據(jù)概率核算的理論，吞吐量越大，隨機算法的作用越接近于輪詢算法的作用。
源地址哈希（Hash）法
源地址哈希的思維是依據(jù)獲取客戶端的IP地址，經(jīng)過哈希函數(shù)核算得到的一個數(shù)值，用該數(shù)值對效勞器列表的巨細進行取模運算，得到的成果就是客服端要拜訪效勞器的序號。選用源地址哈希法進行負載均衡，同一IP地址的客戶端，當后端效勞器列表不變時，它每次都會映射到同一臺后端效勞器進行拜訪。
源地址哈希算法的代碼完成大致如下：

前兩部分和輪詢法、隨機法一樣就不說了，不同在于路由挑選部分。經(jīng)過客戶端的ip也就是remoteIp，取得它的Hash值，對效勞器列表的巨細取模，成果就是選用的效勞器在效勞器列表中的索引值。
源地址哈希法的長處在于：確保了相同客戶端IP地址將會被哈希到同一臺后端效勞器，直到后端效勞器列表改變。依據(jù)此特性能夠在效勞消費者與效勞供給者之間樹立有狀況的session會話。
源地址哈希算法的缺陷在于：除非集群中效勞器的十分安穩(wěn)，根本不會上下線，不然一旦有效勞器上線、下線，那么經(jīng)過源地址哈希算法路由到的效勞器是效勞器上線、下線前路由到的效勞器的概率十分低，如果是session則取不到session，如果是緩存則可能引發(fā)”雪崩”。如果這么解說不適合了解，能夠看我之前的一篇文章MemCache超具體解讀，共同性Hash算法部分。
加權(quán)輪詢（Weight Round Robin）法
不同的后端效勞器可能機器的裝備和當時體系的負載并不相同，因而它們的抗壓才能也不相同。給裝備高、負載低的機器裝備更高的權(quán)重，讓其處理更多的請；而裝備低、負載高的機器，給其分配較低的權(quán)重，下降其體系負載，加權(quán)輪詢能很好地處理這一問題，并將懇求次序且依照權(quán)重分配到后端。加權(quán)輪詢法的代碼完成大致如下：

與輪詢法相似，只是在獲取效勞器地址之前添加了一段權(quán)重核算的代碼，依據(jù)權(quán)重的巨細，將地址重復地添加到效勞器地址列表中，權(quán)重越大，該效勞器每輪所取得的懇求數(shù)量越多。
加權(quán)隨機（Weight Random）法
與加權(quán)輪詢法一樣，加權(quán)隨機法也依據(jù)后端機器的裝備，體系的負載分配不同的權(quán)重。不同的是，它是依照權(quán)重隨機懇求后端效勞器，而非次序。

這段代碼適當所以隨機法和加權(quán)輪詢法的結(jié)合，比較好了解，就不解說了。
最小銜接數(shù)（Least Connections）法
最小銜接數(shù)算法比較靈敏和智能，因為后端效勞器的裝備不盡相同，關于懇求的處理有快有慢，它是依據(jù)后端效勞器當時的銜接狀況，動態(tài)地選取其間當時
積壓銜接數(shù)最少的一臺效勞器來處理當時的懇求，盡可能地進步后端效勞的使用功率，將擔任合理地分流到每一臺效勞器。
前面幾種辦法費盡心思來完成效勞消費者懇求次數(shù)分配的均衡，當然這么做是沒錯的，能夠為后端的多臺效勞器平均分配工作量，最大程度地進步效勞器的使用率，可是實際狀況是否真的如此？實際狀況中，懇求次數(shù)的均衡真的能代表負載的均衡嗎？這是一個值得考慮的問題。
上面的問題，再換一個視點來說就是：今后端效勞器的視角來調(diào)查體系的負載，而非懇求建議方來調(diào)查。最小銜接數(shù)法便歸于此類。
最小銜接數(shù)算法比較靈敏和智能，因為后端效勞器的裝備不盡相同，關于懇求的處理有快有慢，它正是依據(jù)后端效勞器當時的銜接狀況，動態(tài)地選取其間當時積壓銜接數(shù)最少的一臺效勞器來處理當時懇求，盡可能地進步后端效勞器的使用功率，將負載合理地分流到每一臺機器。因為最小銜接數(shù)規(guī)劃效勞器銜接數(shù)的匯總和感知，規(guī)劃與完成較為繁瑣，此處就不說它的完成了。