资讯专栏INFORMATION COLUMN

负载均衡算法 — 平滑加权轮询

ddongjian0000 / 1373人阅读

摘要:首发于樊浩柏科学院在负载均衡算法轮询一文中,我们就指出了加权轮询算法一个明显的缺陷。服务实例权重值我们已经知道通过加权轮询算法调度后,会生成如下不均匀的调度序列。相关文章负载均衡算法轮询

首发于 樊浩柏科学院

在 负载均衡算法 — 轮询 一文中,我们就指出了加权轮询算法一个明显的缺陷。即在某些特殊的权重下,加权轮询调度会生成不均匀的实例序列,这种不平滑的负载可能会使某些实例出现瞬时高负载的现象,导致系统存在宕机的风险。为了解决这个调度缺陷,就提出了 平滑加权轮询 调度算法。

待解决的问题

为了说明平滑加权轮询调度的平滑性,使用以下 3 个特殊的权重实例来演示调度过程。

服务实例 权重值
192.168.10.1:2202 5
192.168.10.2:2202 1
192.168.10.3:2202 1

我们已经知道通过 加权轮询 算法调度后,会生成如下不均匀的调度序列。

请求 选中的实例
1 192.168.10.1:2202
2 192.168.10.1:2202
3 192.168.10.1:2202
4 192.168.10.1:2202
5 192.168.10.1:2202
6 192.168.10.2:2202
7 192.168.10.3:2202

接下来,我们就使用平滑加权轮询算法调度上述实例,看看生成的实例序列如何?

算法描述

假设有 N 台实例 S = {S1, S2, …, Sn},配置权重 W = {W1, W2, …, Wn},有效权重 CW = {CW1, CW2, …, CWn}。每个实例 i 除了存在一个配置权重 Wi 外,还存在一个当前有效权重 CWi,且 CWi 初始化为 Wi;指示变量 currentPos 表示当前选择的实例 ID,初始化为 -1;所有实例的配置权重和为 weightSum;

那么,调度算法可以描述为:
1、初始每个实例 i 的 当前有效权重 CWi 为 配置权重 Wi,并求得配置权重和 weightSum;
2、选出 当前有效权重 最大 的实例,将 当前有效权重 CWi 减去所有实例的 权重和 weightSum,且变量 currentPos 指向此位置;
3、将每个实例 i 的 当前有效权重 CWi 都加上 配置权重 Wi;
4、此时变量 currentPos 指向的实例就是需调度的实例;
5、每次调度重复上述步骤 2、3、4;

上述 3 个服务,配置权重和 weightSum 为 7,其调度过程如下:

请求 选中前的当前权重 currentPos 选中的实例 选中后的当前权重
1 {5, 1, 1} 0 192.168.10.1:2202 {-2, 1, 1}
2 {3, 2, 2} 0 192.168.10.1:2202 {-4, 2, 2}
3 {1, 3, 3} 1 192.168.10.2:2202 {1, -4, 3}
4 {6, -3, 4} 0 192.168.10.1:2202 {-1, -3, 4}
5 {4, -2, 5} 2 192.168.10.3:2202 {4, -2, -2}
6 {9, -1, -1} 0 192.168.10.1:2202 {2, -1, -1}
7 {7, 0, 0} 0 192.168.10.1:2202 {0, 0, 0}
8 {5, 1, 1} 0 192.168.10.1:2202 {-2, 1, 1}

可以看出上述调度序列分散是非常均匀的,且第 8 次调度时当前有效权重值又回到 {0, 0, 0},实例的状态同初始状态一致,所以后续可以一直重复调度操作。

此轮询调度算法思路首先被 Nginx 开发者提出,见 phusion/nginx 部分。
代码实现

这里使用 PHP 来实现,源码见 fan-haobai/load-balance 部分。

class SmoothWeightedRobin implements RobinInterface
{
    private $services = array();

    private $total;

    private $currentPos = -1;

    public function init(array $services)
    {
        foreach ($services as $ip => $weight) {
            $this->services[] = [
                "ip"      => $ip,
                "weight"  => $weight,
                "current_weight" => $weight,
            ];
        }
        $this->total = count($this->services);
    }

    public function next()
    {
        // 获取最大当前有效权重实例的位置
        $this->currentPos = $this->getMaxCurrentWeightPos();

        // 当前权重减去权重和
        $currentWeight = $this->getCurrentWeight($this->currentPos) - $this->getSumWeight();
        $this->setCurrentWeight($this->currentPos, $currentWeight);

        // 每个实例的当前有效权重加上配置权重
        $this->recoverCurrentWeight();

        return $this->services[$this->currentPos]["ip"];
    }
}

其中,getSumWeight()为所有实例的配置权重和;getCurrentWeight()setCurrentWeight()分别用于获取和设置指定实例的当前有效权重;getMaxCurrentWeightPos()求得最大当前有效权重的实例位置,实现如下:

public function getMaxCurrentWeightPos()
{
    $currentWeight = $pos = 0;
    foreach ($this->services as $index => $service) {
        if ($service["current_weight"] > $currentWeight) {
            $currentWeight = $service["current_weight"];
            $pos = $index;
        }
    }

    return $pos;
}

recoverCurrentWeight()用于调整每个实例的当前有效权重,即加上配置权重,实现如下:

public function recoverCurrentWeight()
{
    foreach ($this->services as $index => &$service) {
        $service["current_weight"] += $service["weight"];
    }
}

需要注意的是,在配置services服务列表时,同样需要指定其权重:

$services = [
    "192.168.10.1:2202" => 5,
    "192.168.10.2:2202" => 1,
    "192.168.10.3:2202" => 1,
];
数学证明

可惜的是,关于此调度算法严谨的数学证明少之又少,不过网友 tenfy 给出的 安大神 证明过程,非常值得参考和学习。

证明权重合理性

假如有 n 个结点,记第 i 个结点的权重是 $x_i$,设总权重为 $S = x_1 + x_2 + … + x_n$。选择分两步:
1、为每个节点加上它的权重值;
2、选择最大的节点减去总的权重值;

n 个节点的初始化值为 [0, 0, …, 0],数组长度为 n,值都为 0。第一轮选择的第 1 步执行后,数组的值为 $[x_1, x_2, …, x_n]$。

假设第 1 步后,最大的节点为 j,则第 j 个节点减去 S。
所以第 2 步的数组为 $[x_1, x_2, …, x_j-S, …, x_n]$。 执行完第 2 步后,数组的和为:
$x_1 + x_2 + … + x_j-S + … + x_n => x_1 + x_2 + … + x_n - S = S - S = 0$

由此可见,每轮选择第 1 步操作都是数组的总和加上 S,第 2 步总和再减去 S,所以每轮选择完后的数组总和都为 0。

假设总共执行 S 轮选择,记第 i 个结点选择 $m_i$ 次。第 i 个结点的当前权重为 $w_i$。 假设节点 j 在第 t 轮(t < S)之前,已经被选择了 $x_j$ 次,记此时第 j 个结点的当前权重为 $w_j = t * x_j - x_j * S = (t - S) * x_j < 0$, 因为 t 恒小于 S,所以 $w_j < 0$。

前面假设总共执行 S 轮选择,则剩下 S-t 轮 j 都不会被选中,上面的公式 $w_j = (t - S) * x_j + (S - t) * x_j = 0$。 所以在剩下的选择中,$w_j$ 永远小于等于 0,由于上面已经证明任何一轮选择后,数组总和都为 0,则必定存在一个节点 k 使得 $w_k > 0$,永远不会再选中节点 j。

由此可以得出,第 i 个结点最多被选中 $x_i$ 次,即 $m_i <= x_i$。
因为 $S = m_1 + m_2 + … + m_n$ 且 $S = x_1 + x_2 + … + x_n$。 所以,可以得出 $m_i == x_i$。

证明平滑性

证明平滑性,只要证明不要一直都是连续选择那一个节点即可。

跟上面一样,假设总权重为 S,假如某个节点 i 连续选择了 t($t < x_i$) 次,只要存在下一次选择的不是节点 i,即可证明是平滑的。

假设 $t = x_i - 1$,此时第 i 个结点的当前权重为 $w_i = t * x_i - t * S = (x_i - 1) * x_i - (x_i - 1) * S$。证明下一轮的第 1 步执行完的值 $w_i + x_i$ 不是最大的即可。

$w_i + x_i => (x_i - 1) * x_i - (x_i - 1) * S + x_i =>$
$x_i^2 - x_i * S + S => (x_i - 1) * (x_i - S) + x_i$

因为 $x_i$ 恒小于 S,所以 $x_i - S <= -1$。 所以上面:
$(x_i - 1) * (x_i - S) + x_i <= (x_i - 1) * -1 + x_i = -x_i + 1 + x_i = 1$

所以第 t 轮后,再执行完第 1 步的值 $w_i + x_i <= 1$。
如果这 t 轮刚好是最开始的 t 轮,则必定存在另一个结点 j 的值为 $x_j * t$,所以有 $w_i + x_i <= 1 < 1 * t < x_j * t$。所以下一轮肯定不会选中 i。

总结

尽管,平滑加权轮询算法改善了加权轮询算法调度的缺陷,即调度序列分散的不均匀,避免了实例负载突然加重的可能,但是仍然不能动态感知每个实例的负载。

若由于实例权重配置不合理,或者一些其他原因加重系统负载的情况,平滑加权轮询都无法实现每个实例的负载均衡,这时就需要 有状态 的调度算法来完成。

相关文章 »

负载均衡算法 — 轮询(2018-11-29)

文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。

转载请注明本文地址:https://www.ucloud.cn/yun/34945.html

相关文章

  • 负载均衡算法平滑加权轮询

    摘要:首发于樊浩柏科学院在负载均衡算法轮询一文中,我们就指出了加权轮询算法一个明显的缺陷。服务实例权重值我们已经知道通过加权轮询算法调度后,会生成如下不均匀的调度序列。相关文章负载均衡算法轮询 首发于 樊浩柏科学院 在 负载均衡算法 — 轮询 一文中,我们就指出了加权轮询算法一个明显的缺陷。即在某些特殊的权重下,加权轮询调度会生成不均匀的实例序列,这种不平滑的负载可能会使某些实例出现瞬时高...

    pinecone 评论0 收藏0
  • Hive集群合并之应用端的负载均衡算法

    摘要:负载均衡算法的选择常用的负载均衡算法有哪些呢随机算法,轮询,算法,加权随机算法,加权轮询算法,一致性算法。首选,我们会有集群对应的的地址列表,然后我们通过某种算法这里指的就是负载均衡算法,获取其中一个的地址进行任务提交这就是任务调度。 showImg(https://segmentfault.com/img/bVbsxlb?w=1104&h=794); 0.背景 有这么一个场景,我们有...

    wangbinke 评论0 收藏0
  • Hive集群合并之应用端的负载均衡算法

    摘要:负载均衡算法的选择常用的负载均衡算法有哪些呢随机算法,轮询,算法,加权随机算法,加权轮询算法,一致性算法。首选,我们会有集群对应的的地址列表,然后我们通过某种算法这里指的就是负载均衡算法,获取其中一个的地址进行任务提交这就是任务调度。 showImg(https://segmentfault.com/img/bVbsxlb?w=1104&h=794); 0.背景 有这么一个场景,我们有...

    loostudy 评论0 收藏0
  • Hive集群合并之应用端的负载均衡算法

    摘要:负载均衡算法的选择常用的负载均衡算法有哪些呢随机算法,轮询,算法,加权随机算法,加权轮询算法,一致性算法。首选,我们会有集群对应的的地址列表,然后我们通过某种算法这里指的就是负载均衡算法,获取其中一个的地址进行任务提交这就是任务调度。 showImg(https://segmentfault.com/img/bVbsxlb?w=1104&h=794); 0.背景 有这么一个场景,我们有...

    huayeluoliuhen 评论0 收藏0
  • 一篇读懂分布式架构下的负载均衡

    摘要:一篇读懂分布式架构下的负载均衡微信公众号一刻钟大型现实非严肃主义现场一刻钟与你分享优质技术架构与见闻,做一个有剧情的程序员关注可第一时间了解更多精彩内容,定期有福利相送哟。 一篇读懂分布式架构下的负载均衡 微信公众号:IT一刻钟大型现实非严肃主义现场一刻钟与你分享优质技术架构与见闻,做一个有剧情的程序员关注可第一时间了解更多精彩内容,定期有福利相送哟。 showImg(https:/...

    LuDongWei 评论0 收藏0

发表评论

0条评论

最新活动
阅读需要支付1元查看
<