负载均衡算法

引言：“单点故障”问题

想象一家餐厅有 100 個客人，但只有 1 名服务员。服务员会被累死，而客人会等得发疯。如果你雇了 5 名服务员，你就需要一种方法来决定哪位服务员服务哪张桌子。

负载均衡 (Load Balancing) 是将进入的网络流量分发到一组后端服务器（服务器池）的过程。它确保没有一台服务器承受过大的压力，从而提高响应速度和可用性。

算法要解决什么问题？

• 输入： 涌入的请求流。
• 输出： 处理该请求的最佳后端服务器。
• 承诺： 可扩展性（通过增加服务器来处理更多流量）和可靠性（如果一台服务器挂了，其他服务器能接管流量）。

常见算法

1. 轮询 (Round Robin)

• 逻辑： 简单地按顺序分配：服务器 1，然后是 2，然后是 3，再回到 1。
• 适用场景： 所有服务器硬件配置相同，且每个请求的处理成本大致相等。

2. 加权轮询 (Weighted Round Robin)

• 逻辑： 根据服务器的处理能力分配“权重”。权重为 10 的服务器收到的请求是权重为 5 的服务器的两倍。
• 适用场景： 服务器集群配置不均（例如，有些机器是 64GB 内存，有些只有 16GB）。

3. 最小连接数 (Least Connections)

• 逻辑： 将下一个请求发送到当前活跃连接数最少的服务器。
• 适用场景： 处理耗时差异很大的请求（如视频流或持久的 WebSocket 连接）。

4. IP 哈希 (IP Hash)

• 逻辑： 根据客户端的 IP 地址决定去哪台服务器（例如 hash(客户端IP) % N）。
• 适用场景： “粘性会话 (Sticky Sessions)”。确保同一个用户始终访问同一台服务器，以利用本地缓存或 Session 数据。

典型业务场景

• ✅ Web 服务器： Nginx 或 HAProxy 将 HTTP 请求分发到 Node.js/Python 后端。

• ✅ 数据库读副本： 将 “SELECT” 查询分散到 5 个只读数据库节点上。

• ✅ API 网关： 根据路由路径将流量引导到不同的微服务。

• ❌ 有状态应用： 如果你使用轮询，就不能在服务器内存里存用户 Session。你必须使用共享的 Redis 存储，或者使用 IP 哈希。

性能与复杂度总结

• 效率： 极高。大多数算法的复杂度为 $O(1)$ 或 $O(\log N)$。
• 开销： 与水平扩展带来的收益相比，算法本身的开销几乎可以忽略不计。

小结：一句话记住它

“负载均衡是互联网的‘交通警察’。它确保你的系统可以通过增加‘人手’来扩容，并让你在单台服务器宕机时依然屹立不倒。”