分布式系统的负载均衡 | 架构干货

  • 时间:
  • 浏览:5

哪些地方是负载均衡?

记得第一次接触 Nginx 是在实验室,那很久在服务器部署网站需要用 Nginx 。Nginx 是另另三个小服务组件,用来反向代理、负载平衡和 HTTP 缓存等。那么这里的 负载均衡 是哪些地方?

负载均衡(LB,Load Balance),是一种生活技术正确处理方案。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,正确处理过载。

资源,共要每个服务实例的执行操作单元,负载均衡统统将少许的数据正确处理操作分摊到多个操作单元进行执行,用来正确处理互联网分布式系统的大流量、高并发和高可用的难题。那哪些地方是高可用呢?

首先了解哪些地方是高可用?

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)

那高可用(High Availability)是哪些地方?高可用,简称 HA,是系统一种生活行态很久指标,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。

衡量系统与否满足高可用,统统当一台很久多台服务器宕机的很久,系统整体和服务依然正常可用。

举个例子,统统知名的网站保证 4 个 9 以上的可用性,也统统可用性超过 99.99%。那 0.01% 统统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一块儿,对系统宕机和服务不可用会有补偿。

比如下单服务,还还能否使用蕴藏负载均衡的多个下单服务实例,代替单一的下单服务实例,即使用冗余的最好的办法来提高可靠性。

总而言之,负载均衡(Load Balance)是分布式系统下发中需要考虑的因素之一。一般通过负载均衡,冗余同另另三个小服务实例的最好的办法,正确处理分布式系统的大流量、高并发和高可用的难题。负载均衡核心关键:在于与否分配均匀。

场景1:微服务架构中,网关路由到具体的服务实例 hello:

  • 另另三个小相同的服务实例 hello service ,另另三个小端口 40000 ,原来端口 40082
  • 通过 Kong 的负载均衡 LB 功能,让请求均匀的下发到另另三个小 hello 服务实例
  • Kong 的负载均衡策略算法统统:默认 weighted-round-robin 算法,还有 consumer: consumer id 作为 hash 算法输入值等

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:

  • 负载均衡策略算法不须高级,最简单的是随机挑选和轮循

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 很久 F5 等
  • Web 层:前后端分离场景下, Web 端还还能否用 NodeJS 、 RN 、Vue
  • 业务服务层:用 Java 、Go,一般互联网公司,技术方案选型统统 SC 很久 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

另另三个小请求从第 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很久,需要均匀调用。原来整体系统来看,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要怎样实现呢?

答案是:DNS 的轮询。 DNS 还还能否通过 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,共要会有两条 A 记录。原来冗余的另另三个小 ip 对应的 nginx 服务实例,正确处理单点故障。

每次请求 bysocket.com 域名的很久,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,也统统 nginx 的外网ip。原来还还能否做到每另另三个小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 的负载均衡要怎样实现呢?

是通过反向代理层的负载均衡模块正确处理。比如 nginx 有多种均衡最好的办法:

  1. 请求轮询。请求按时间顺序,逐一分配到 web 层服务,很久周而复始。很久 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,挑选路由到对应的 web 层。只统统用户的 ip 是均匀的,那么请求到 Web 层也是均匀的。

    还有个好处统统同另另三个小 ip 的请求会下发到相同的 web 层服务。原来每个用户固定访问另另三个小 web 层服务,还还能否正确处理 session 的难题。
upstream web-server {
    ip_hash;
    server ip3;
    server ip4;
}
  1. weight 权重 、 fair、url_hash 等

第 3 层:Web 层 -> 业务服务层 的负载均衡

Web 层 -> 业务服务层 的负载均衡要怎样实现呢?

比如 Dubbo 是另另三个小服务治理方案,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。其中另另三个小行态统统智能负载均衡:内置多种负载均衡策略,智能感知下游节点健康情形,显著减少调用延迟,提高系统吞吐量。

为了正确处理正确处理单点故障和支持服务的横向扩容,另另三个小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另另三个小服务提供方,很久根据配置的随机负载均衡策略,在20个 Provider 中随机挑选了另另三个小来调用,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,挑选选另另三个小提供者进行调用,很久调用失败,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。随机的挑选另另三个小。是Dubbo的默认负载均衡策略。
  • RoundRobinLoadBalance:轮询负载均衡。轮询挑选另另三个小。
  • LeastActiveLoadBalance:共要活跃调用数,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,很久越慢的 Provider 的调用前后计数差会越大。
  • ConsistentHashLoadBalance:一致性哈希负载均衡。相同参数的请求无缘无故落在同一台机器上。

同样,很久业务的需要,也还还能否实现当时人的负载均衡策略

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。

当单库很久单表访问越多,数据量越多的情形下,需要进行垂直拆分和水平拆分另另三个小维度。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显下面的难题,需要正确处理:

  • 分布式事务
  • 跨库 join 等

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

对外看来,负载均衡是另另三个小系统或软件的整体。对内看来,层层上下游调用。我希望所处调用,就需要考虑负载均衡什儿 因素。统统负载均衡(Load Balance)是分布式系统下发中需要考虑的因素之一。考虑主统统要怎样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分片类式于

原创不易,争取多画图,图解胜千言(泥瓦匠@bysocket.com)

参考资料:

  • 《关于负载均衡的一切》https://mp.weixin.qq.com/s/xvozZjmn-CvmQMAEAyDc3w
  • 《Dubbo 的负载均衡》http://dubbo.apache.org/zh-cn/blog/dubbo-loadbalance.html
  • https://zh.wikipedia.org/wiki/%E8%B4%9F%E8%BD%BD%E5%9D%87%E8%A1%A1