什么是分布式负载均衡？

刺骨的言语ヽ痛彻心扉 2022-12-15 06:08 107阅读 0赞

![20201015170502470.jpg][]

# 一、 什么是负载均衡？ #

什么是负载均衡？

记得第一次接触 Nginx 是在实验室，那时候在服务器部署网站需要用 Nginx 。Nginx 是一个服务组件，用来反向代理、负载平衡和 HTTP 缓存等。那么这里的 负载均衡 是什么？

负载均衡（LB，Load Balance），是一种技术解决方案。用来在多个资源（一般是服务器）中分配负载，达到最优化资源使用，避免过载。

![dfcfa8ab541c8e8b65d2fe04e73c67c8.png][]

资源，相当于每个服务实例的执行操作单元，负载均衡就是将大量的数据处理操作分摊到多个操作单元进行执行，用来解决互联网分布式系统的大流量、高并发和高可用的问题。那什么是高可用呢？

# 二、什么是高可用？ #

首先了解什么是高可用？

这是 CAP 定理是分布式系统的基础，也是分布式系统的 3 个指标：

> 1.  Consistency（一致性）
> 2.  Availability（可用性）
> 3.  Partition tolerance（分区容错性）

对着三个指标之前的关系，一个比较通俗的解释是：

一个分布式系统里面，节点组成的网络本来应该是连通的。然而可能因为一些故障，使得有些节点之间不连通了，整个网络就分成了几块区域。数据就散布在了这些不连通的区域中。这就叫分区。

当你一个数据项只在一个节点中保存，那么分区出现后，和这个节点不连通的部分就访问不到这个数据了。这时分区就是无法容忍的。

提高分区容忍性的办法就是一个数据项复制到多个节点上，那么出现分区之后，这一数据项就可能分布到各个区里。容忍性就提高了。

然而，要把数据复制到多个节点，就会带来一致性的问题，就是多个节点上面的数据可能是不一致的。要保证一致，每次写操作就都要等待全部节点写成功，而这等待又会带来可用性的问题。

总的来说就是，数据存在的节点越多，分区容忍性越高，但要复制更新的数据就越多，一致性就越难保证。为了保证一致性，更新所有节点数据所需要的时间就越长，可用性就会降低。

那高可用（High Availability）是什么？高可用，简称 HA，是系统一种特征或者指标，通常是指，提供一定性能上的服务运行时间，高于平均正常时间段。反之，消除系统服务不可用的时间。

衡量系统是否满足高可用，就是当一台或者多台服务器宕机的时候，系统整体和服务依然正常可用。

举个例子，一些知名的网站保证 4 个 9 以上的可用性，也就是可用性超过 99.99%。那 0.01% 就是所谓故障时间的百分比。比如电商网站有赞，服务不可用会造成商家损失金钱和用户。那么在提高可用性基础上同时，对系统宕机和服务不可用会有补偿。

![0ce947543d8452ed6da2161b4976cef4.png][]

比如下单服务，可以使用带有负载均衡的多个下单服务实例，代替单一的下单服务实例，即使用冗余的方式来提高可靠性。

总而言之，负载均衡（Load Balance）是分布式系统架构设计中必须考虑的因素之一。一般通过负载均衡，冗余同一个服务实例的方式，解决分布式系统的大流量、高并发和高可用的问题。负载均衡核心关键：在于是否分配均匀。

# 三、常见的负载均衡案例 #

![a16425915f7f03ffbc7be7c6ed32e150.png][]

场景1：微服务架构中，网关路由到具体的服务实例 hello：

>  *  两个相同的服务实例 hello service ，一个端口 8000 ，另一个端口 8082
>  *  通过 Kong 的负载均衡 LB 功能，让请求均匀的分发到两个 hello 服务实例
>  *  Kong 的负载均衡策略算法很多：默认 weighted-round-robin 算法，还有 consumer: consumer id 作为 hash 算法输入值等

![8396d717b0240ee2d685b645156d34ca.png][]

场景2：微服务架构中，A 服务调用 B 服务的集群。通过了 Ribbon 客户端负载均衡组件：

*  > 负载均衡策略算法并不高级，最简单的是随机选择和轮循

# 四、互联网分布式系统解决方案 #

![1cca93bd5bb0d9f1c03c000ed6255477.png][]

常见的互联网分布式系统架构分为几层，一般如下：

>  *  客户端层：比如用户浏览器、APP 端
>  *  反向代理层：技术选型 Nignx 或者 F5 等
>  *  Web 层：前后端分离场景下， Web 端可以用 NodeJS 、 RN 、Vue
>  *  业务服务层：用 Java 、Go，一般互联网公司，技术方案选型就是 SC 或者 Spring Boot + Dubbo 服务化
>  *  数据存储层：DB 选型 MySQL ，Cache 选型 Redis ，搜索选型 ES 等

一个请求从第 1 层到第 4 层，层层访问都需要负载均衡。即每个上游调用下游多个业务方的时候，需要均匀调用。这样整体系统来看，就比较负载均衡

## 第 1 层：客户端层 -> 反向代理层 的负载均衡 ##

客户端层 -> 反向代理层的负载均衡如何实现呢？

答案是：DNS 的轮询。DNS 可以通过 A （Address，返回域名指向的 IP 地址）设置多个 IP 地址。比如这里访问 bysocket.com 的 DNS 配置了 ip1 和 ip2 。为了反向代理层的高可用，至少会有两条 A 记录。这样冗余的两个 ip 对应的 nginx 服务实例，防止单点故障。

每次请求 bysocket.com 域名的时候，通过 DNS 轮询，返回对应的 ip 地址，每个 ip 对应的反向代理层的服务实例，也就是 nginx 的外网ip。这样可以做到每一个反向代理层实例得到的请求分配是均衡的。

## 第 2 层：反向代理层 -> Web 层 的负载均衡 ##

反向代理层 -> Web 层 的负载均衡如何实现呢？

是通过反向代理层的负载均衡模块处理。比如 nginx 有多种均衡方法：

1.  请求轮询。请求按时间顺序，逐一分配到 web 层服务，然后周而复始。如果 web 层服务 down 掉，自动剔除

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

1.  ip 哈希。按照 ip 的哈希值，确定路由到对应的 web 层。只要是用户的 ip 是均匀的，那么请求到 Web 层也是均匀的。还有个好处就是同一个 ip 的请求会分发到相同的 web 层服务。这样每个用户固定访问一个 web 层服务，可以解决 session 的问题。

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

## 第 3 层：Web 层 -> 业务服务层 的负载均衡 ##

Web 层 -> 业务服务层 的负载均衡如何实现呢？

比如 Dubbo 是一个服务治理方案，包括服务注册、服务降级、访问控制、动态配置路由规则、权重调节、负载均衡。其中一个特性就是智能负载均衡：内置多种负载均衡策略，智能感知下游节点健康状况，显著减少调用延迟，提高系统吞吐量。

为了避免避免单点故障和支持服务的横向扩容，一个服务通常会部署多个实例，即 Dubbo 集群部署。会将多个服务实例成为一个服务提供方，然后根据配置的随机负载均衡策略，在20个 Provider 中随机选择了一个来调用，假设随机到了第7个 Provider。LoadBalance 组件从提供者地址列表中，使用均衡策略，选择选一个提供者进行调用，如果调用失败，再选另一台调用。

Dubbo内置了4种负载均衡策略:

>  *  RandomLoadBalance:随机负载均衡。随机的选择一个。是Dubbo的默认负载均衡策略。
>  *  RoundRobinLoadBalance:轮询负载均衡。轮询选择一个。
>  *  LeastActiveLoadBalance:最少活跃调用数，相同活跃数的随机。活跃数指调用前后计数差。使慢的 Provider 收到更少请求，因为越慢的 Provider 的调用前后计数差会越大。
>  *  ConsistentHashLoadBalance:一致性哈希负载均衡。相同参数的请求总是落在同一台机器上。

同样，因为业务的需要，也可以实现自己的负载均衡策略

## 第 4 层：业务服务层 -> 数据存储层 的负载均衡 ##

数据存储层的负载均衡，一般通过 DBProxy 实现。比如 MySQL 分库分表。

当单库或者单表访问太大，数据量太大的情况下，需要进行垂直拆分和水平拆分两个维度。比如水平切分规则：

>  *  Range 、 时间
>  *  hash 取模，订单根据店铺ID 等

但伴随着这块的负载会出现下面的问题，需要解决：

>  *  分布式事务
>  *  跨库 join 等

现状分库分表的产品方案很多：当当 sharding-jdbc、阿里的 Cobar 等

# 五、小结 #

对外看来，负载均衡是一个系统或软件的整体。对内看来，层层上下游调用。只要存在调用，就需要考虑负载均衡这个因素。所以负载均衡（Load Balance）是分布式系统架构设计中必须考虑的因素之一。考虑主要是如何让下游接收到的请求是均匀分布的：

>  *  第 1 层：客户端层 -> 反向代理层 的负载均衡。通过 DNS 轮询
>  *  第 2 层：反向代理层 -> Web 层 的负载均衡。通过 Nginx 的负载均衡模块
>  *  第 3 层：Web 层 -> 业务服务层 的负载均衡。通过服务治理框架的负载均衡模块
>  *  第 4 层：业务服务层 -> 数据存储层 的负载均衡。通过数据的水平分布，数据均匀了，理论上请求也会均匀。比如通过买家ID分片类似

[20201015170502470.jpg]: /images/20221123/2fcbc58f48e641bb9ca62a7bd4eafcc0.png
[dfcfa8ab541c8e8b65d2fe04e73c67c8.png]: /images/20221123/062f937a921d40f0b77767448e3365bd.png
[0ce947543d8452ed6da2161b4976cef4.png]: /images/20221123/9f81ffd80ecd4cf1afc1f88a22a84696.png
[a16425915f7f03ffbc7be7c6ed32e150.png]: /images/20221123/90f906de783547f58f7746905aa781df.png
[8396d717b0240ee2d685b645156d34ca.png]: /images/20221123/112bdb49068f4082985cb863988ca8af.png
[1cca93bd5bb0d9f1c03c000ed6255477.png]: /images/20221123/3dc0beaa24cb494495db604213b69194.png