负载均衡算法--加权随机法（Weight Random）

╰半橙微兮° 2022-01-31 14:29 242阅读 0赞

接上一篇博文：[负载均衡算法–随机法（Random）][Random]，本文讲解加权随机算法。

与加权轮询法一样，加权随机法也根据服务器的配置，系统的负载分配不同的权重。不同的是，它是按照权重随机请求后端服务器，而非顺序。

### 算法描述 ###

假设有 N 台服务器 S = \{S0, S1, S2, …, Sn\}，默认权重为 W = \{W0, W1, W2, …, Wn\}，权重之和为 weightSum， 服务器列表为 serverList，算法可以描述为：  
1、初始化 serverList，将 W0 个 S0 加入至serverList，将 W1 个 S1 加入至serverList，依据此规则将所有的服务器加入至 serverList 中；  
2、通过随机函数生成 0 到 weightSum 之间的任意整理，将该数字作为索引，从 serverList 中获取对应的服务器；

假定我们现在有如下四台服务器：

<table> 
 <thead> 
  <tr> 
   <th>服务器地址</th> 
   <th>权重</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>192.168.1.1</td> 
   <td>1</td> 
  </tr> 
  <tr> 
   <td>192.168.1.2</td> 
   <td>2</td> 
  </tr> 
  <tr> 
   <td>192.168.1.3</td> 
   <td>3</td> 
  </tr> 
  <tr> 
   <td>192.168.1.4</td> 
   <td>4</td> 
  </tr> 
 </tbody> 
</table>

初始化服务列表后， serverList 如下：

<table> 
 <thead> 
  <tr> 
   <th>服务器地址</th> 
   <th>序号</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>192.168.1.1</td> 
   <td>1</td> 
  </tr> 
  <tr> 
   <td>192.168.1.2</td> 
   <td>2</td> 
  </tr> 
  <tr> 
   <td>192.168.1.2</td> 
   <td>3</td> 
  </tr> 
  <tr> 
   <td>192.168.1.3</td> 
   <td>4</td> 
  </tr> 
  <tr> 
   <td>192.168.1.3</td> 
   <td>5</td> 
  </tr> 
  <tr> 
   <td>192.168.1.3</td> 
   <td>6</td> 
  </tr> 
  <tr> 
   <td>192.168.1.4</td> 
   <td>7</td> 
  </tr> 
  <tr> 
   <td>192.168.1.4</td> 
   <td>8</td> 
  </tr> 
  <tr> 
   <td>192.168.1.4</td> 
   <td>9</td> 
  </tr> 
  <tr> 
   <td>192.168.1.4</td> 
   <td>10</td> 
  </tr> 
 </tbody> 
</table>

与加权轮询算法类似，根据权重的不同向 serverList 添加相应的服务器，只不过服务器是通过随机算法获取的。

### 代码实现 ###

1、服务器管理类

package org.learn.loadbalance;
    
    import java.util.Map;
    import java.util.TreeMap;
    
    /**
     * @author zhibo
     * @date 2019/5/16 16:25
     */
    public class ServerManager {
        public volatile static Map<String, Integer> serverMap = new TreeMap<>();
    
        static {
            serverMap.put("192.168.1.1", 1);
            serverMap.put("192.168.1.2", 2);
            serverMap.put("192.168.1.3", 3);
            serverMap.put("192.168.1.4", 4);
        }
    }

2、加权随机类

package org.learn.loadbalance;
    
    import java.util.ArrayList;
    import java.util.Iterator;
    import java.util.Random;
    import java.util.Set;
    import java.util.concurrent.atomic.AtomicInteger;
    
    /**
     * @author zhibo
     * @date 2019/5/16 16:28
     */
    public class WeightRandom {
    
        public static String getServer() {
            ArrayList<String> serverList = new ArrayList<>();
            Set<String> serverSet = ServerManager.serverMap.keySet();
            Iterator<String> iterator = serverSet.iterator();
    
            Integer weightSum = 0;
            while(iterator.hasNext()){
                String server = iterator.next();
                Integer weight = ServerManager.serverMap.get(server);
                weightSum += weight;
                for (int i = 0; i < weight; i++) {
                    serverList.add(server);
                }
            }
    
            Random random = new Random();
            String server = serverList.get(random.nextInt(weightSum));
            return server;
        }
    
        public static void main(String[] args) {
            for (int i = 0; i < 20; i++) {
                String server = getServer();
                System.out.println(server);
            }
        }
    }

1、使用 Random 对象随机生成 \[0, serverList.size()) 的整数，然后通过索引获取到服务器。  
2、在多线程的情况下， 线程A修改 ServerManager.serverMap 的值，线程B无法即时拿到线程A修改后的值，因此可能会产生请求错误，需要调用端进行容错处理。  
3、从宏观的角度讲，访问量越大负载越均衡；微观的角度讲，看起来没有那么均衡。

执行 main 方法输出结果如下：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly96aGliby5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70]  
文章内容仅代表个人观点，如有不正之处，欢迎批评指正，谢谢大家。

[Random]: https://zhibo.blog.csdn.net/article/details/90271085
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly96aGliby5ibG9nLmNzZG4ubmV0_size_16_color_FFFFFF_t_70]: /images/20220131/c9eea5b200cf4b14a83af8c2806e8f31.png