这个就更好懂得了，随机选择一个节点办事，按照概率，只要请求数量足够多，那么也能达到绝对均衡的效不雅。并且实现简单很多

def random_choose(server_lst):  
import random  
random.seed()  
return random.choice(server_lst) 

加权随机算法(random)

如同加权轮训算法至于轮训算法一样，也是在随机的时刻惹人不合节点的权重，实现也很类似。

def weight_random_choose(servers): 
    import random 
    random.seed() 
    weighted_list = [] 
    for k, v in servers.iteritems(): 
        weighted_list.extend([k] * v) 
    return random.choice(weighted_list) 

在这篇文┞仿中提到，负载均衡是一种推模型，必定会选出一个办事节点，然后把请求推送过来。而换一种思路，应用消息队列，就变成潦攀拉模型：余暇的办事节点主动去拉取请求进行处理，各个节点的负载天然也是均衡的。消息队列比拟负载均衡好处在于，办事节点不会被大年夜量请求冲垮，同时增长办事节点加倍轻易;缺点也很明显，请求不是事实处理的。

当然，如不雅节点列表以及权重变更不大年夜，那么也可以对所有节点归一化，然后按概率区间选择

def normalize_servers(servers): 
normalized_servers = {}  
total = sum(servers.values())  
cur_sum = 0  
for k, v in servers.iteritems():  
normalized_servers[k] = 1.0 * (cur_sum + v) / total  
cur_sum += v  
return normalized_servers   
def weight_random_choose_ex(normalized_servers):  
import random, operator  
random.seed()  
rand = random.random()  
for k, v in sorted(normalized_servers.iteritems(), key = operator.itemgetter(1)):  
if v >= rand:  
return k 
else:  
assert False, 'Error normalized_servers with rand %s ' % rand 

哈希法(hash)

根据客户端的IP，或者请求的“Key”，计算出一个hash值，然后对节点数量取模。好处就是，同一个请求可以或许分派到同样的办事节点，这对于“有状况”的办事很有须要

def hash_choose(request_info, server_lst):  	
			
 2/4   首页 上一页 1 2 3 4 下一页 尾页
	
			

　　推荐阅读
　　无服务器化是云计算的未来吗?
            【限时免费】岁尾最强一次云计算大年夜会，看传统、社区、互联网企业若何碰撞？
            大年夜多半云平台的软件都是弗成知的，这些平台闪开辟人员可以决定若何精确地设计和解决问题。但谷歌的做法>>>详细阅读


本文标题：关于负载均衡的一切：总结与思考
地址：http://www.17bianji.com/lsqh/40284.html
 1/2    1