主页 > 知识库 > 服务器 > Apache/IIS >

超级负载均衡

来源: 作者: 发表于:2012-08-18 13:36  点击:
摘要 超级负载均衡旨在为解决服务不断扩展、机器不断增多、机器性能差异等问题,以增强系统的稳定性,自动分配请求压力。算法实现了多个模型和均衡策略,能通过配置实现随机、轮询、一致hash等。同时也能实现跨机房的相关分配。现已经在多个系统中使用。 TAG

  摘要

  超级负载均衡旨在为解决服务不断扩展、机器不断增多、机器性能差异等问题,以增强系统的稳定性,自动分配请求压力。算法实现了多个模型和均衡策略,能通过配置实现随机、轮询、一致hash等。同时也能实现跨机房的相关分配。现已经在多个系统中使用。

  TAG

  负载均衡

  内容

  现有系统中存在的问题:

  1. 慢连接、瞬时访问慢。

  场景一:

  如果后端新增加机器,cache命中率低,因此响应速度慢,但是能连接上且不超时。如果ui持续访问就会把ui夯住。

  场景二:

  如果后端模块某一台机器响应较慢。如果前端持续访问就会被夯住。

  2. 死机。

  场景一:

  能断断续续响应请求,不过速度很慢。造成ui夯住。

  3. 混合部署。

  场景一:

  多个模块在同一机器上,项目影响。

  4. 机器权重。

  场景一:

  老机器,性能差;新机器,性能彪悍。因此他们应该承载不同的压力。

  5. 跨机房冗余。

  场景一:

  后端对cache依赖很高的模块,因为采用的是一致hash算法,如果挂掉一台机器,对另外的机器cache命中率冲击很大。因此希望将对这个机器的请求均衡到另外一个机房。

  6. php和c使用同样的策略。

  现在php和c希望能使用的策略实际上是有很大的一致。为了避免重复开发,php和c希望采用同样的负载均衡库。

  要解决的问题:

  

\

 

  设计思路:

  1. 根据均衡策略计算出的均衡值对Server进行逆序排序。

  2. 负载选择。对步骤1排序后的Server按以下顺序进行选择:

  a、按连接失败概率进行选择。

  

\

 

  注:横轴代表失败次数,纵轴代表选择的概率。

  Cconn:一段区间内失败次数

  f(Cconn):连接概率,取值范围在(0,100]

  b、按健康状态选择。

  整个模型基于服务处理时间的收敛性。

  分析:

  1) 如果机器状态良好,则平均处理时间会保持在一个稳定水平;即使是小波动,也会较快平稳在一个状态。

  2) 如果机器开始出现问题,处理时间会开始增长。如果增长持续超过一段时间,则说明有可能会影响服务;如果一段时间后稳定了,说明对请求没有太多影响。

  f(healthy):机器健康状态,取值范围[0,1]

  select(healthy):机器选择概率,取值范围[R,1]

  c、如果所有机器都没选中,则随机选择一台机器进行服务。

  3. 机器流量均分。

  不同的机器处理能力是不一样的。当按照步骤2选择了某台机器,需要将其他处理时间为他的1/T(T>=2)的机器也选取出来,将部分压力分给对应的机器。

  设k台机器的处理时间分别是t1, t2,…,tk, 选中的机器id=i,比该机器处理能力高的机器时间分别为p1,p2,..,pr, (其中pj × T <= ti)。设一段时间总访问量为Y,每台机器理论上的访问量应该为Vg=Y/k。而实际的Vr=Y/(ti * (1/t1+1/t2+…+1/tk))。则应该分出Vg-Vr的流量给pj。pj的流量比例为1/p1:1/p2:…:1/pr

  算法设计:

  A、均衡算法

  1. 一致hash算法。

  将每个server的ip和port加上balance_key三者做字符串拼接后,做md5签名。

  value(server) = md5(server_ip + server_port + balance_key)

  2. 随机算法。

  value(server) = random();

  3. 轮询算法。

  value(server) =((server.id – (rounds % server_count)) + server_count) % server_count

  4. 多个选一算法。

  rank初始化为1, 如果默认的server失败,则rank+1

  value(server) =((server.id – (rank % server_count)) + server_count) % server_count

  B、负载算法

  1. 连接状态算法。

  a、对每一个server开辟一个状态队列。bool queue[K] 用来统计失败次数。每次有坏状态进队,计数加一。如果有坏状态出队,则计数减一。

  b、按照f(Cconn)公式计算出选择概率。

  c、利用rand()%100是否在[0,f(Cconn)]来决定是否选择该机器。

  2. 健康状态算法。

  a、每台机器维持一个一秒钟内的处理时间T和次数C。

  b、当一秒过去以后,将T、C计算为平均处理时间R。

  c、每M秒,统计每台机器最近一段时间的平均处理时间, 按照公式select(healthy)算出选择概率。

  d、利用rand()%100是否在[0, select(healthy)*100]来决定是否选择该机器。

  C、流量均分

  按照策略选出满足要求的机器,按照流量均分公式进行流量分配。

  分配时按照balance_key+server方式和random()来分配机器, 尽量保证请求落在同一台机器。

  by wangbo

    有帮助
    (2)
    100%
    没帮助
    (0)
    0%