Nginx篇02——upstream模块中的加权轮询负载均衡

image

nginx的upstream模块中的加权轮询负载均衡的算法原理。

我们先来看一个简单的负载均衡:

upstream backend {    
    server 10.0.0.1:80;     #服务器a
    server 10.0.0.2:80;     #服务器b
}

这是一个简单的负载均衡,将接受到的访问按照默认的均分原则分配给后台的两台服务器,这时候两台server的访问量应该是1:1。如果我们在后面加上权重值,例如

upstream backend {    
    server 10.0.0.1:80   weight=1;  #服务器a  
    server 10.0.0.2:80   weight=2;  #服务器b
}

这时候如果进行访问,我们得到的结果就应该是b a b,如果再进行修改权重

upstream backend {    
    server 10.0.0.1:80   weight=5;      #服务器a
    server 10.0.0.2:80   weight=10;     #服务器b
}

虽然两个权重化简之后都是1:2,但是这时候访问策略就有两种选择

  • 第一种是先连续访问server a5次再连续访问server b10次

  • 第二种是a b两台服务器轮流访问,但是总的访问次数比例符合5:10也就是1:2的比例。

显然第二种访问策略要更加优秀,可以避免一台服务器被连续访问多次而另一台服务器进入空闲状态。在nginx中的upstream模块实现这个操作使用了一个名为smooth weighted round-robin balancing的算法,直译过来就是平滑加权轮询负载均衡算法,大概意思就是实现上面说的第二种操作,下面我们用一个稍微复杂一点的配置来检验一下。

upstream backend {    
    server 127.0.0.1:8080   weight=3;    
    server 127.0.0.1:8081   weight=5; 
    server 127.0.0.1:8082   weight=7;
}

server {
    listen 80;
    server_name example.com www.example.com;

    location / {
        proxy_pass http://backend;
    }
}

这里我们使用nginx监听在本机8080~8081三个端口,然后这三个端口作为本机的80端口的负载均衡后端,接着我们把权重设为比较复杂的3:5:7,然后我们进行实际测试。

image

得到的结果为,c b a c b c a c b c b c a b c,这里刚好15次也就是符合权重上面的加起来的总和,从结果来看这里的访问顺序比较均衡,但是细看又比较难找出规律。

我们去Github上面找到nginx的源码,对应的我们这里使用的测试的版本是稳定版的1.17.9,我们在目录下的nginx-master\src\http\ngx_http_upstream_round_robin.c当中可以看到这部分的实现源码,主要集中在该文件的前面部分。接下来我们需要理解源码中的几个变量:

  • weight:配置文件中设置的权重值,是定值,在整个选择过程中是不会改变的,对应到这里就是3、5、7。
  • current_weight:后端服务器的当前权重值,初始值等于0,在每轮选择中,该值最大的服务器就会被选中
  • effective_weight:变化权重值,初始值等于weight,用于动态调整服务器被选择的概率,即当被选中的服务器出现了failure的时候,该服务器对应的effective_weight就会减小,具体操作我们下面再解释。
  • total_weight:总的权重值,即所有服务器的权重值相加,在这里为3+5+7=15。

接下来我们开始逐步解析算法执行过程:

  1. 首先进行各类值的初始化,weight赋值为配置文件中的weightcurrent_weight赋值为0,effective_weight赋值为weighttotal_weight为所有weight之和;
  2. 对于每个服务器的current_weight,加上该服务器对应的weight
  3. 选取current_weight值最大的服务器来接受这次访问,然后该服务器对应的current_weight需要减去total_weight(因此current_weight是可以出现负值的)
  4. 不断重复步骤2和步骤3,当重复的次数等于total_weight时,所有服务器的current_weight刚好为0,此时结束一轮负载均衡。

从上面的步骤分析我们可以看出,当被选中的服务器出现了failure的时候,该服务器对应的effective_weight就会减小,在下面的current_weight加上该服务器对应的weight操作中就不能变得足够大导致被选中,从而就可以避免过多的访问被分配到出现了failure的服务器。

接下来我们进行简单的演算看看是否符合实际的输出结果:

操作 current_weight 选中服务器
初始化 (0,0,0) -
步骤2 (3,5,7) -
步骤3 (3,5,-8) c
步骤2 (6,10,-1) -
步骤3 (6,-5,-1) b
步骤2 (9,0,6) -
步骤3 (-6,0,6) a
步骤2 (-3,5,13) -
步骤3 (-3,5,-2) c

下面的步骤就不继续演示了,当步骤2和步骤3重复了total_weight次,也就是相当于一轮之后,current_weight就会正好全部变回0,而前提是过程中没有出现服务器failure的情况。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,843评论 6 502
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,538评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 163,187评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,264评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,289评论 6 390
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,231评论 1 299
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,116评论 3 418
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,945评论 0 275
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,367评论 1 313
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,581评论 2 333
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,754评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,458评论 5 344
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 41,068评论 3 327
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,692评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,842评论 1 269
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,797评论 2 369
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,654评论 2 354

推荐阅读更多精彩内容