浅谈几种常用负载平衡架构

随机方法：哀求随机漫衍到各个结点;在数据足够大的场景能到达一个平衡漫衍;

• 利益：实现简朴、易程度扩展
• 弱点：同 Round Robin，无法用于有写的场景
• 应用场景：数据库负载平衡，也是只有读的场景

哈希方法：按照 key 来计较必要落在的结点上，可以担保一个统一个键必然落在沟通的处事器上;

• 利益：沟通 key 必然落在统一个结点上，这样就可用于有写有读的缓存场景
• 弱点：在某个结点妨碍后，会导致哈希键从头漫衍，造成掷中率大幅度降落
• 办理：同等性哈希 or 行使 keepalived 担保任何一个结点的高可用性，妨碍后会有其余结点顶上来
• 应用场景：缓存，有栋苄写

同等性哈希：在处事器一个结点呈现妨碍时，受影响的只有这个结点上的 key，最洪流平的担保掷中率;如 twemproxy 中的 ketama方案;出产实现中还可以筹划指定子 key 哈希，从而担保局部相似特性的键能漫衍在统一个处事器上;

• 利益：结点妨碍后掷中率降落有限
• 应用场景：缓存

按照键的范畴来负载：按照键的范畴来负载，前 1 亿个键都存放到第一个处事器，1~2 亿在第二个结点。

• 利益：程度扩展轻易，存储不足用时，加处事器存放后续新增数据
• 弱点：负载不均;数据库的漫衍不平衡;
• (数据有冷热区分，一样平常最近注册的用户越发活泼，这样造成后续的处事器很是忙碌，而前期的结点空闲许多)
• 合用场景：数据库分片负载平衡

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!