上一篇
非等价负载均衡倍数算法是什么，怎么配置？
非等价负载均衡简介
传统负载均衡常采用轮询（Round Robin） 或随机等等价方式，即假设所有后端服务器性能相同，将请求平均分配，但在实际场景中，服务器可能配置不同（如CPU、内存、带宽差异），或需要按业务流量比例分配，此时就需要非等价（加权）负载均衡。
非等价的核心是为每台服务器设定一个权重，权重代表该服务器处理请求的相对能力或期望流量比例，权重越高，分配的请求越多。
倍数算法核心原理
倍数算法是加权负载均衡的一种实现方式，其核心思想是：
- 将服务器的权重视为一个倍数，所有服务器的权重共同构成一个总权重。
- 每次请求按权重比例分配,即每台服务器被选中的概率 = 其权重 / 总权重。
- 权重可以是任意正整数（如 1、2、5），代表相对于基础单位的倍数，服务器 A 权重 3，服务器 B 权重 1，则 A 处理的请求数量是 B 的 3 倍。
关键点：倍数算法不依赖请求的实时状态（如连接数），仅基于静态权重进行分配，适用于对请求处理时间相对稳定、无需动态调整的场景。
算法实现步骤（以加权轮询为例）
加权轮询是倍数算法最典型的实现,以下是一种常见的平滑加权轮询（Smooth Weighted Round Robin） 实现，它避免了短时间请求集中到同一台服务器的问题。
- 初始化：为每台服务器定义权重（weight）和当前有效权重（current_weight，初始为0）。
- 选择过程（每次请求）：
- 对每台服务器,令 current_weight += weight（累加权重）。
- 选出 current_weight 最大的服务器。
- 将该服务器的 current_weight 减去总权重（total_weight）。
- 返回选中的服务器。
特点：在多次请求中，分配比例严格符合权重比例，且分布均匀，不会出现连续多次命中同一台高权重服务器的情况。
示例演示
假设有三台服务器：A（权重 3）、B（权重 2）、C（权重 1），总权重 = 6。
| 请求次数 | 选择前 current_weight (A, B, C) | 选中服务器 | 选中后 current_weight 调整 |
|---|---|---|---|
| 1 | (3, 2, 1) → 最大A | A | A: 3-6 = -3 → (-3, 2, 1) |
| 2 | (0, 4, 2) → 最大B | B | B: 4-6 = -2 → (0, -2, 2) |
| 3 | (3, 0, 3) → 最大A（同值取前） | A | A: 3-6 = -3 → (-3, 0, 3) |
| 4 | (0, 2, 4) → 最大C | C | C: 4-6 = -2 → (0, 2, -2) |
| 5 | (3, 4, -1) → 最大B | B | B: 4-6 = -2 → (3, -2, -1) |
| 6 | (6, 0, 0) → 最大A | A | A: 6-6 = 0 → (0, 0, 0) |
循环 6 次后，选择序列为 A, B, A, C, B, A，比例正好 3:2:1，且分布均匀。
注意事项与优化
- 权重设计：权重应反映服务器实际处理能力，过大或过小可能导致分配偏差，权重 10 和 1 的服务器，低权重服务器可能长时间无请求，需结合业务容忍度。
- 动态调整：倍数算法是静态的，若服务器负载波动大，可结合加权最少连接等动态算法，但核心仍是倍数思想（权重作为连接比例因子）。
- 平滑性：简单加权轮询（如直接按权重顺序分配）可能导致高权重服务器连续被选中，影响流量突发时的稳定性。平滑加权轮询通过 current_weight 减去总权重，有效避免了此问题。
相关问题与解答
问题1：倍数算法中，权重可以设置为小数吗？
通常权重使用整数，因为算法中的累加、减法操作基于整数，小数会导致精度问题，若需表示更精细的比例，可对所有服务器权重乘以相同倍数（如使用 10 的倍数）来等效实现，权重 0.3 和 0.7 可转换为 3 和 7。
问题2：加权轮询与加权随机分配有何区别？
加权轮询是确定性的，在固定周期内严格按照权重比例轮转，顺序可预测；加权随机分配是概率性的，每次独立按权重概率选择，短期可能偏离比例，但长期趋近，轮询更适合需要均匀分布、避免请求突发的场景（如长连接），随机则更适合无状态短请求且对顺序不敏感的场景。
