Java 負荷分散アルゴリズムの役割は何ですか?
- PHPz転載
- 2023-05-07 14:37:18658ブラウズ
はじめに
負荷分散アルゴリズムは、Java 分野で広範かつ詳細な応用が可能であり、有名な nginx であっても、dubbo、feign などのマイクロサービス ガバナンス コンポーネントであっても、負荷分散アルゴリズムは実際に使用されています。
負荷分散の中心的な考え方は、その基礎となるアルゴリズムの考え方にあります。たとえば、よく知られているアルゴリズムには、ポーリング、ランダム、最小接続、加重ポーリングなどが含まれます。負荷分散アルゴリズムの中心原理を実際のコードと組み合わせて、一般的に使用される負荷分散アルゴリズムの包括的な要約を作成します。
ポーリングアルゴリズム
ポーリングとは、列に並んで順番に順番に行動することを意味します。データ構造から見ると、リング状のノードがあり、そのノードがサーバーで覆われており、サーバーはエンドツーエンドでシーケンシャルに接続されています。リクエストが来ると、あるノードのサーバーが応答を開始し、次にリクエストが来ると、後続のサーバーが順番に応答し、そこから続行します。このアルゴリズムをシミュレートおよび実装するために、双方向 (両端) リンク リストのデータ構造を使用できることを想像してください
1. サーバー内のリンク リスト ノードを識別するサーバー クラスを定義します。#
class Server {
Server prev;
Server next;
String name;
public Server(String name) {
this.name = name;
}
}2. コア コード
/**
* 轮询
*/
public class RData {
private static Logger logger = LoggerFactory.getLogger(RData.class);
//标识当前服务节点，每次请求过来时，返回的是current节点
private Server current;
public RData(String serverName) {
logger.info("init servers : " + serverName);
String[] names = serverName.split(",");
for (int i = 0; i < names.length; i++) {
Server server = new Server(names[i]);
//当前为空，说明首次创建
if (current == null) {
//current就指向新创建server
this.current = server;
//同时，server的前后均指向自己
current.prev = current;
current.next = current;
} else {
//说明已经存在机器了，则按照双向链表的功能，进行节点添加
addServer(names[i]);
}
}
}
//添加机器节点
private void addServer(String serverName) {
logger.info("add new server : " + serverName);
Server server = new Server(serverName);
Server next = this.current.next;
//在当前节点后插入新节点
this.current.next = server;
server.prev = this.current;
//由于是双向链表，修改下一节点的prev指针
server.next = next;
next.prev = server;
}
//机器节点移除，修改节点的指向即可
private void removeServer() {
logger.info("remove current = " + current.name);
this.current.prev.next = this.current.next;
this.current.next.prev = this.current.prev;
this.current = current.next;
}
//请求。由当前节点处理
private void request() {
logger.info("handle server is : " + this.current.name);
this.current = current.next;
}
public static void main(String[] args) throws Exception {
//初始化两台机器
RData rr = new RData("192.168.10.0,192.168.10.1");
new Thread(new Runnable() {
@Override
public void run() {
while (true) {
try {
Thread.sleep(500);
} catch (InterruptedException e) {
e.printStackTrace();
}
rr.request();
}
}
}).start();
//3s后，3号机器加入清单
Thread.currentThread().sleep(2000);
rr.addServer("192.168.10.3");
//3s后，当前服务节点被移除
Thread.currentThread().sleep(3000);
rr.removeServer();
}
}コードを理解するためにコメントを結合しました。このコードの説明は、ダブルエンドの基礎となる機能を調べることです。リンク リスト構造を操作するときに最も重要なことは、ノードを追加および削除するときに、ノードの前後方向を明確にすることです。そうすれば、このコードを理解するのは難しくなくなります。以下のプログラムを実行します
ポーリング アルゴリズムの長所と短所の概要
#実装は単純で、マシン リストは次のようになります。自由に追加または削除でき、ノード検索時間の複雑さは o(1)
- ノードに対して偏ったカスタマイズを実行することはできません。ノードの処理能力を差別化することはできません。たとえば、強力な処理能力と高度な構成を備えた一部のサーバーは、より多くのリクエストを処理したいと考えています。これは実行できません
- ランダム アルゴリズム
/**
* 随机
*/
public class RandomMath {
private static List<String> ips;
public RandomMath(String nodeNames) {
System.out.println("init servers : " + nodeNames);
String[] nodes = nodeNames.split(",");
//初始化服务器列表，长度取机器数
ips = new ArrayList<>(nodes.length);
for (String node : nodes) {
ips.add(node);
}
}
//请求处理
public void request() {
Random ra = new Random();
int i = ra.nextInt(ips.size());
System.out.println("the handle server is :" + ips.get(i));
}
//添加节点，注意，添加节点可能会造成内部数组扩容
void addnode(String nodeName) {
System.out.println("add new node : " + nodeName);
ips.add(nodeName);
}
//移除
void remove(String nodeName) {
System.out.println("remove node is: " + nodeName);
ips.remove(nodeName);
}
public static void main(String[] args) throws Exception {
RandomMath rd = new RandomMath("192.168.10.1,192.168.10.2,192.168.10.3");
//使用一个线程，模拟不间断的请求
new Thread(new Runnable() {
@Override
public void run() {
while (true) {
try {
Thread.sleep(1000);
} catch (InterruptedException e) {
e.printStackTrace();
}
rd.request();
}
}
}).start();
//间隔3秒之后，添加一台新的机器
Thread.currentThread().sleep(3000);
rd.addnode("192.168.10.4");
//3s后，当前服务节点被移除
Thread.currentThread().sleep(3000);
rd.remove("192.168.10.2");
}
}
実行コードの観察結果:
#ランダム アルゴリズムの概要
#ランダム アルゴリズムはシンプルで効率的です
- 各マシンの構成が類似しているサーバー クラスターに適しています。ポーリングのように方向性を区別した処理を行うことはできません。各サーバー自体の構成に基づく #加重ランダム アルゴリズム
- ##ランダム選択に基づいて、マシンは依然としてランダムに選択されますが、一連の加重値が必要です。異なる重みに従って、マシン リスト内の各マシンが選択されます 確率は異なります。この観点から、ランダム性は等しい重みの特殊なケースと考えることができます。設計思想はまだです。ノードがキューに入れられた後、 はランダムに取得されます。ここのデータ構造には主にランダムな読み取りが含まれるため、推奨される配列は
/**
* 加权随机
*/
public class WeightRandom {
ArrayList<String> list;
public WeightRandom(String nodes) {
String[] ns = nodes.split(",");
list = new ArrayList<>();
for (String n : ns) {
String[] n1 = n.split(":");
int weight = Integer.valueOf(n1[1]);
for (int i = 0; i < weight; i++) {
list.add(n1[0]);
}
}
}
public void request() {
//下标，随机数，注意因子
int i = new Random().nextInt(list.size());
System.out.println("the handle server is : " + list.get(i));
}
public static void main(String[] args) throws Exception{
WeightRandom wr = new WeightRandom("192.168.10.1:2,192.168.10.2:1");
for (int i = 0; i < 9; i++) {
Thread.sleep(2000);
wr.request();
}
}
}
です。重み値 10.1 をより大きな値に調整することもできます。たとえば、 3. もう一度実行すると、効果はさらに明白になります。
# 重みを指定することで、特定のマシンの偏りを改善できます#加重ポーリング アルゴリズム
- 前のポーリング アルゴリズムでは、ポーリングは双方向リンク リスト内で継続的に移動する単なる機械的な回転である一方、加重ポーリングが欠点を補うことを見てきました。すべてのマシンが平等に扱われます。ポーリングに基づいて、サーバーが初期化されるときに、各マシンは重み値を保持します
- 重み付けポーリングのアルゴリズムの概念は、あまり理解しにくいですが、以下の図で説明します。 :
加重ポーリング アルゴリズムの本来の目的は、全体的な結果を保証することです。このような一連のアルゴリズムによるリクエストのスムーズさは、上の図からわかります。ループを数回繰り返すと、元の結果に戻ることができ、特定のポーリングでは、マシンごとにリクエストが読み取られる確率が異なります。異なる重量値について。
实现思路和轮询差不多，整体仍然是链表结构，不同的是，每个具体的节点需加上权重值属性
1、节点属性类
class NodeServer {
int weight;
int currentWeight;
String ip;
public NodeServer(String ip, int weight) {
this.ip = ip;
this.weight = weight;
this.currentWeight = 0;
}
@Override
public String toString() {
return String.valueOf(currentWeight);
}
}2、核心代码
/**
* 加权轮询
*/
public class WeightRDD {
//所有机器节点列表
ArrayList<NodeServer> list;
//总权重
int total;
//机器节点初始化 ， 格式：a#4,b#2,c#1，实际操作时可根据自己业务定制
public WeightRDD(String nodes) {
String[] ns = nodes.split(",");
list = new ArrayList<>(ns.length);
for (String n : ns) {
String[] n1 = n.split("#");
int weight = Integer.valueOf(n1[1]);
list.add(new NodeServer(n1[0], weight));
total += weight;
}
}
public NodeServer getCurrent() {
for (NodeServer node : list) {
node.currentWeight += node.weight;
}
NodeServer current = list.get(0);
int i = 0;
//从列表中获取当前的currentWeight最大的那个作为待响应的节点
for (NodeServer node : list) {
if (node.currentWeight > i) {
i = node.currentWeight;
current = node;
}
}
return current;
}
//请求，每次得到请求的节点之后，需要对当前的节点的currentWeight值减去 sumWeight
public void request() {
NodeServer node = this.getCurrent();
System.out.print(list.toString() + "‐‐‐");
System.out.print(node.ip + "‐‐‐");
node.currentWeight -= total;
System.out.println(list);
}
public static void main(String[] args) throws Exception {
WeightRDD wrr = new WeightRDD("192.168.10.1#4,192.168.10.2#2,192.168.10.3#1");
//7次执行请求，观察结果
for (int i = 0; i < 7; i++) {
Thread.currentThread().sleep(2000);
wrr.request();
}
}
}从打印输出结果来看，也是符合预期效果的，具有更大权重的机器，在轮询中被请求到的可能性更大
源地址hash算法
即对当前访问的ip地址做一个hash值，相同的key将会被路由到同一台机器去。常见于分布式集群环境下，用户登录 时的请求路由和会话保持
源地址hash算法可以有效解决在跨地域机器部署情况下请求响应的问题，这一特点使得源地址hash算法具有某些特殊的应用场景
该算法的核心逻辑是需要自定义一个能结合实际业务场景的hash算法，从而确保请求能够尽可能达到源IP机器进行处理
源地址hash算法的实现比较简单，下面直接上代码
/**
* 源地址请求hash
*/
public class SourceHash {
private static List<String> ips;
//节点初始化
public SourceHash(String nodeNames) {
System.out.println("init list : " + nodeNames);
String[] nodes = nodeNames.split(",");
ips = new ArrayList<>(nodes.length);
for (String node : nodes) {
ips.add(node);
}
}
//添加节点
void addnode(String nodeName) {
System.out.println("add new node : " + nodeName);
ips.add(nodeName);
}
//移除节点
void remove(String nodeName) {
System.out.println("remove one node : " + nodeName);
ips.remove(nodeName);
}
//ip进行hash
private int hash(String ip) {
int last = Integer.valueOf(ip.substring(ip.lastIndexOf(".") + 1, ip.length()));
return last % ips.size();
}
//请求模拟
void request(String ip) {
int i = hash(ip);
System.out.println("req ip : " + ip + "‐‐>" + ips.get(i));
}
public static void main(String[] args) throws Exception {
SourceHash hash = new SourceHash("192.168.10.1,192.168.10.2");
for (int i = 1; i < 10; i++) {
String ip = "192.168.1." + i;
hash.request(ip);
}
Thread.sleep(3000);
System.out.println();
hash.addnode("192.168.10.3");
for (int i = 1; i < 10; i++) {
String ip = "192.168.1." + i;
hash.request(ip);
}
Thread.sleep(3000);
System.out.println();
hash.remove("192.168.10.1");
for (int i = 1; i < 10; i++) {
String ip = "192.168.1." + i;
hash.request(ip);
}
}
}请关注核心的方法 hash()，我们模拟9个随机请求的IP，下面运行下这段程序，观察输出结果
源地址hash算法小结
可以有效匹配同一个源IP从而定向到特定的机器处理
如果hash算法不够合理，可能造成集群中某些机器压力非常大
未能很好的解决新节点加入之后打破原来的请求平衡（一致性hash可解决）
最小请求数算法
即通过统计当前机器的请求连接数，选择当前连接数最少的机器去响应新请求。前面的各种算法是基于请求的维度，而最小 连接数则是站在机器的连接数量维度
从描述来看，实现这种算法需要定义一个链接表记录机器的节点IP，和机器连接数量的计数器
而为了比较并选择出最小的连接数的机器，内部采用最小堆做排序处理，请求响应时取堆顶节点即是 最小连接数（可以参考最小顶堆算法）
如图所示，所有机器列表按照类二叉树的结构进行组装，组装的依据按照不同节点的访问次数，某次请求过来时，选择堆顶的元素（待响应的机器）返回，然后堆顶机器的请求数量加1，然后通过算法将这个堆顶的元素下沉，把请求数量最小的元素上升为堆顶，以便下次响应最新的请求
1、机器节点
该类记录了节点的IP以及连接数
class Node {
String name;
AtomicInteger count = new AtomicInteger(0);
public Node(String name) {
this.name = name;
}
public void inc() {
count.getAndIncrement();
}
public int get() {
return count.get();
}
@Override
public String toString() {
return name + "=" + count;
}
}2、核心代码
/**
* 最小连接数算法
*/
public class LeastRequest {
Node[] nodes;
//节点初始化
public LeastRequest(String ns) {
String[] ns1 = ns.split(",");
nodes = new Node[ns1.length + 1];
for (int i = 0; i < ns1.length; i++) {
nodes[i + 1] = new Node(ns1[i]);
}
}
///节点下沉，与左右子节点比对，选里面最小的交换
//目的是始终保持最小堆的顶点元素值最小【结合图理解】
//ipNum:要下沉的顶点序号
public void down(int ipNum) {
//顶点序号遍历，只要到1半即可，时间复杂度为O(log2n)
while (ipNum << 1 < nodes.length) {
int left = ipNum << 1;
//右子，左+1即可
int right = left + 1;
int flag = ipNum;
//标记，指向 本节点，左、右子节点里最小的，一开始取自己
if (nodes[left].get() < nodes[ipNum].get()) {
flag = left;
}
//判断右子
if (right < nodes.length && nodes[flag].get() > nodes[right].get()) {
flag = right;
}
//两者中最小的与本节点不相等，则交换
if (flag != ipNum) {
Node temp = nodes[ipNum];
nodes[ipNum] = nodes[flag];
nodes[flag] = temp;
ipNum = flag;
} else {
//否则相等，堆排序完成，退出循环即可
break;
}
}
}
//请求，直接取最小堆的堆顶元素就是连接数最少的机器
public void request() {
System.out.println("‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐");
//取堆顶元素响应请求
Node node = nodes[1];
System.out.println(node.name + " accept");
//连接数加1
node.inc();
//排序前的堆
System.out.println("ip list before:" + Arrays.toString(nodes));
//堆顶下沉，通过算法将堆顶下层到合适的位置
down(1);
//排序后的堆
System.out.println("ip list after:" + Arrays.toString(nodes));
}
public static void main(String[] args) {
//假设有7台机器
LeastRequest lc = new LeastRequest("10.1,10.2,10.3,10.4,10.5,10.6,10.7");
//模拟10个请求连接
for (int i = 0; i < 10; i++) {
lc.request();
}
}
}请关注 down 方法，该方法是实现每次请求之后，将堆顶元素进行移动的关键实现，运行这段代码，结合输出结果进行理解
以上がJava 負荷分散アルゴリズムの役割は何ですか?の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。
声明：
この記事はyisu.comで複製されています。侵害がある場合は、admin@php.cn までご連絡ください。