什么是負載均衡？

記得第一次接觸 Nginx 是在實驗室，那時候在服務器部署網站需要用 Nginx 。Nginx 是一個服務組件，用來反向代理、負載平衡和 HTTP 緩存等。那么這里的 負載均衡 是什么？

負載均衡（LB，Load Balance），是一種技術解決方案。用來在多個資源（一般是服務器）中分配負載，達到最優化資源使用，避免過載。

資源，相當于每個服務實例的執行操作單元，負載均衡就是將大量的數據處理操作分攤到多個操作單元進行執行，用來解決互聯網分布式系統的大流量、高并發和高可用的問題。那什么是高可用呢？

什么是高可用？

首先了解什么是高可用？

這是 CAP 定理是分布式系統的基礎，也是分布式系統的 3 個指標：

Consistency（一致性）

Availability（可用性）

Partition tolerance（分區容錯性）

那高可用（High Availability）是什么？高可用，簡稱 HA，是系統一種特征或者指標，通常是指，提供一定性能上的服務運行時間，高于平均正常時間段。反之，消除系統服務不可用的時間。

衡量系統是否滿足高可用，就是當一臺或者多臺服務器宕機的時候，系統整體和服務依然正常可用。

舉個例子，一些知名的網站保證 4 個 9 以上的可用性，也就是可用性超過 99.99%。那 0.01% 就是所謂故障時間的百分比。比如電商網站有贊，服務不可用會造成商家損失金錢和用戶。那么在提高可用性基礎上同時，對系統宕機和服務不可用會有補償。

比如下單服務，可以使用帶有負載均衡的多個下單服務實例，代替單一的下單服務實例，即使用冗余的方式來提高可靠性。

總而言之，負載均衡（Load Balance）是分布式系統架構設計中必須考慮的因素之一。一般通過負載均衡，冗余同一個服務實例的方式，解決分布式系統的大流量、高并發和高可用的問題。負載均衡核心關鍵：在于是否分配均勻。

常見的負載均衡案例

場景1：微服務架構中，網關路由到具體的服務實例 hello：

– 兩個相同的服務實例 hello service ，一個端口 8000 ，另一個端口 8082

– 通過 Kong 的負載均衡 LB 功能，讓請求均勻的分發到兩個 hello 服務實例

– Kong 的負載均衡策略算法很多：默認 weighted-round-robin 算法，還有 consumer: consumer id 作為 hash 算法輸入值等

場景2：微服務架構中，A 服務調用 B 服務的集群。通過了 Ribbon 客戶端負載均衡組件：

– 負載均衡策略算法并不高級，最簡單的是隨機選擇和輪循

互聯網分布式系統解決方案

常見的互聯網分布式系統架構分為幾層，一般如下：

客戶端層：比如用戶瀏覽器、APP 端

反向代理層：技術選型 Nignx 或者 F5 等

Web 層：前后端分離場景下， Web 端可以用 NodeJS 、 RN 、Vue

業務服務層：用 Java 、Go，一般互聯網公司，技術方案選型就是 SC 或者 Spring Boot + Dubbo 服務化

數據存儲層：DB 選型 MySQL ，Cache 選型 Redis ，搜索選型 ES 等

一個請求從第 1 層到第 4 層，層層訪問都需要負載均衡。即每個上游調用下游多個業務方的時候，需要均勻調用。這樣整體系統來看，就比較負載均衡

第 1 層：客戶端層 -> 反向代理層 的負載均衡

客戶端層 -> 反向代理層的負載均衡如何實現呢？

答案是：DNS 的輪詢。 DNS 可以通過 A （Address，返回域名指向的 IP 地址）設置多個 IP 地址。比如這里訪問 bysocket.com 的 DNS 配置了 ip1 和 ip2 。為了反向代理層的高可用，至少會有兩條 A 記錄。這樣冗余的兩個 ip 對應的 nginx 服務實例，防止單點故障。

每次請求 bysocket.com 域名的時候，通過 DNS 輪詢，返回對應的 ip 地址，每個 ip 對應的反向代理層的服務實例，也就是 nginx 的外網ip。這樣可以做到每一個反向代理層實例得到的請求分配是均衡的。

第 2 層：反向代理層 -> Web 層 的負載均衡

反向代理層 -> Web 層 的負載均衡如何實現呢？

是通過反向代理層的負載均衡模塊處理。比如 nginx 有多種均衡方法：

請求輪詢。請求按時間順序，逐一分配到 web 層服務，然后周而復始。如果 web 層服務 down 掉，自動剔除

upstream web-server {
   server ip3;
   server ip4;
}

ip 哈希。按照 ip 的哈希值，確定路由到對應的 web 層。只要是用戶的 ip 是均勻的，那么請求到 Web 層也是均勻的。

還有個好處就是同一個 ip 的請求會分發到相同的 web 層服務。這樣每個用戶固定訪問一個 web 層服務，可以解決 session 的問題。

upstream web-server {
   ip_hash;
   server ip3;
   server ip4;
}

weight 權重 、 fair、url_hash 等

第 3 層：Web 層 -> 業務服務層 的負載均衡

Web 層 -> 業務服務層 的負載均衡如何實現呢？

比如 Dubbo 是一個服務治理方案，包括服務注冊、服務降級、訪問控制、動態配置路由規則、權重調節、負載均衡。其中一個特性就是智能負載均衡：內置多種負載均衡策略，智能感知下游節點健康狀況，顯著減少調用延遲，提高系統吞吐量。

為了避免避免單點故障和支持服務的橫向擴容，一個服務通常會部署多個實例，即 Dubbo 集群部署。會將多個服務實例成為一個服務提供方，然后根據配置的隨機負載均衡策略，在20個 Provider 中隨機選擇了一個來調用，假設隨機到了第7個 Provider。LoadBalance 組件從提供者地址列表中，使用均衡策略，選擇選一個提供者進行調用，如果調用失敗，再選另一臺調用。

Dubbo內置了4種負載均衡策略:

RandomLoadBalance:隨機負載均衡。隨機的選擇一個。是Dubbo的默認負載均衡策略。

RoundRobinLoadBalance:輪詢負載均衡。輪詢選擇一個。

LeastActiveLoadBalance:最少活躍調用數，相同活躍數的隨機。活躍數指調用前后計數差。使慢的 Provider 收到更少請求，因為越慢的 Provider 的調用前后計數差會越大。

ConsistentHashLoadBalance:一致性哈希負載均衡。相同參數的請求總是落在同一臺機器上。

同樣，因為業務的需要，也可以實現自己的負載均衡策略

第 4 層：業務服務層 -> 數據存儲層 的負載均衡

數據存儲層的負載均衡，一般通過 DBProxy 實現。比如 MySQL 分庫分表。

當單庫或者單表訪問太大，數據量太大的情況下，需要進行垂直拆分和水平拆分兩個維度。比如水平切分規則：

Range 、 時間

hash 取模，訂單根據店鋪ID 等

但伴隨著這塊的負載會出現下面的問題，需要解決：

分布式事務

跨庫 join 等

現狀分庫分表的產品方案很多：當當 sharding-jdbc、阿里的 Cobar 等