龙空技术网

加权轮询算法(wrr),这个考点,概率有点高

Java架构新资讯 318

前言:

如今各位老铁们对“nginxdns轮询”大致比较关注,我们都需要学习一些“nginxdns轮询”的相关知识。那么小编在网摘上搜集了一些对于“nginxdns轮询””的相关资讯,希望大家能喜欢,各位老铁们一起来学习一下吧!

临近年关,招聘的和找工作的却忙的热火朝天,互相拿捏着。

今朝不同往昔,卖惨成为主流旋律,也加剧了从业人员的焦虑。很多人,工作了十来年没碰过算法,如今却不得不像蹲自习室一样,捧起大头书死命去看。

呜呼哀哉。

最近和不少参加面试的小伙伴交流了一下,发现出现了一个比较高频的算法题。不同于链表、树、动态规划这些有规律可循的算法题,加权轮询算法有很多小的技巧,在实际应用中也比较多。最平滑的Nginx轮询算法,如果你没有见过的话,那自然是永远无法写出来的。

所谓的加权轮询算法,其实就是Weighted Round Robin,简称wrr。在我们配置Nginx的upstream的时候,带权重的轮询,其实就是wrr。

upstream backend {   ip_hash;   server 192.168.1.232 weight=4;    server 192.168.1.233 weight=3;   server 192.168.1.234 weight=1;}复制代码
1. 核心数据结构

为了方便编码,对于每一个被调度的单元来说,我们抽象出一个叫做Element的类。其中,peer指的是具体的被调度资源,比如IP地址,而weight指的是这个资源的相关权重。

public class Element {    protected String peer;    protected int weight;    public Element(String peer, int weight){        this.peer = peer;        this.weight = weight;    }}复制代码

那么我们具体的调度接口,将直接返回peer的地址。

public interface IWrr {    String next();}复制代码

我们将在代码中直接测试IWrr接口的调度情况。比如,分配7、2、1权重的三个资源,其测试代码如下。

Element[] elements = new Element[]{	new Element("A", 7),	new Element("B", 2),	new Element("C", 1),};int count = 10;IWrr wrr = new WrrSecurityLoopTreeMap(elements);for (int i = 0; i < count; i++) {    System.out.print(wrr.next() + ",");}System.out.println();复制代码

上面的代码调用了10次接口,我们希望代码实现,将以7,2,1的比例进行调度。

2. 随机数版本

最简单的方式,就是使用随机数去实现。当然,只有在请求量比较大的情况下,随机分布才会向7、2、1的比例逼近。这通常都没什么问题,比如SpringCloud的Robion组件,就是使用随机轮询的方式。

我们首先计算总的权重值,记作total,然后每次调用都取total区间的随机数,再依次遍历所有的权重数据。

next方法的时间复杂度,在最坏的情况下是O(n)。

随机调度获取的调用顺序也是随机的,对类似于微服务节点轮询这种场景,比较友好。但对于一些调用量比较小的服务,可能有些节点就会被饿死,毕竟是随机数嘛。

public class WrrRnd implements IWrr {    final int total;    final Element[] elements;    final Random random = new SecureRandom();    public WrrRnd(Element[] elements) {        this.total = Arrays.stream(elements)                .mapToInt(ele -> ele.weight)                .sum();        this.elements = elements;    }    @Override    public String next() {        final int n = elements.length;        int index = n - 1;        int hit = random.nextInt(total);        for(int i = 0; i < n; i++){            if(hit >= 0) {                hit -= elements[i].weight;            }else{                index = i - 1;                break;            }        }        return elements[index].peer;    }}复制代码
3. 递增版本

随机数大多数情况下是美好的,但有时候我们确实需要非常准确的调度结果。这种情况下,使用一个原子递增的计数器,去存放当前的调度次数,是常见的方式。

所以逻辑就比较清晰了,我们可以直接使用原子类去实现这个计数器。

代码与上面的类似,只不过在获取hit变量的时候,我们把随机数的获取方式,替换成自增的方式。

//原来的int hit = random.nextInt(total);复制代码

现在的。当然,它还有一个小小的问题,那就是int的数值很可能会被用完了,这个小问题在下面的代码一并修复。

int hit = count.getAndIncrement() % total;复制代码
4. 红黑树版本

不论是随机数还是按照顺序轮询,它们的时间复杂度都是比较高的,因为它每次都需要遍历所有的配置项,直到达到我们所需要的数值。要想提高其运行效率,我们可以借助于Java的TreeMap,空间上换时间。

下面是一个线程安全版本的实现方法,使用物理上的存储来解决时间上的耗费。TreeMap底层是红黑树,实现了根据Key的大小进行排序的功能,它的平均时间复杂度是log(n)。

我们把上面代码的逻辑,直接转化成TreeMap存储,就可以通过ceilingEntry方法获取最近的调度单元。

在并发上面,直接使用了CAS原语。这时候,我们不再自增,而是将最大值严格控制在total以下,通过自旋来处理冲突。

public class WrrSecurityLoopTreeMap implements IWrr {    final int total;    final AtomicInteger count = new AtomicInteger();    final TreeMap<Integer, Element> pool = new TreeMap<>();    public WrrSecurityLoopTreeMap(Element[] elements) {        int total = 0;        for (Element ele : elements) {            total += ele.weight;            pool.put(total - 1, ele);        }        this.total = total;    }    @Override    public String next() {        final int modulo = total;        for (; ; ) {            int hit = count.get();            int next = (hit + 1) % modulo;            if (count.compareAndSet(hit, next) && hit < modulo) {                return pool.ceilingEntry(hit).getValue().peer;            }        }    }}复制代码
5. LVS版本

上面的这些版本(除了随机),有一个最大的问题,就是调度不均衡。当我们的比例是7、2、1,它的调度结果是A,A,A,A,A,A,A,B,B,C,。

我们希望调度能够平滑一些,而不是一股脑的压在A节点上。下面是LVS代码里的一个算法,采用的是最大公约数来实现轮询。虽然它不能实现非常平滑的轮询,但起码比上面的自增式代码强多了。

这段代码的执行过程就包含两部分,一部分是计算最大公约数gcd,一部分是轮询算法。

对于7、2、1的权重,它的调度结果是A,A,A,A,A,A,B,A,B,C,,相比较按顺序轮询的方式,有了一些改善。当这些节点的权重数值差不多的时候,LVS版本会表现出较好的负载均衡效果。

我们首先在构造函数里,算出最大公约数的gcd。然后,基于这个最大公约数,进行轮询算法的运算。

根据介绍的地址,可以很容易写出对应的算法。

复制代码

下面是具体的代码。

public class WrrGcd implements IWrr {    final int gcd;    final int max;    final Element[] elements;    public WrrGcd(Element[] elements) {        Integer gcd = null;        int max = 0;        for (Element ele : elements) {            gcd = gcd == null ? ele.weight : gcd(gcd, ele.weight);            max = Math.max(max, ele.weight);        }        this.gcd = gcd;        this.max = max;        this.elements = elements;    }    int i = -1;    int cw = 0;    @Override    public String next() {        for (; ; ) {            final int n = elements.length;            i = (i + 1) % n;            if (i == 0) {                cw = cw - gcd;                if (cw <= 0) {                    cw = max;                    if (cw == 0) {                        return null;                    }                }            }            if(elements[i].weight >= cw){                return elements[i].peer;            }        }    }    private int gcd(int a, int b) {        return b == 0 ? a : gcd(b, a % b);    }}复制代码
6. Nginx版本

nginx这个版本就更上一层楼,可以达到A,A,B,A,A,C,A,A,B,A,的效果。在保证准确的权重前提下,实现了调用尽量的分散。

这个算法比较巧妙,可以说是非常天才的算法。如果你没有接触过的话,是绝对写不出来的。

虽然算法比较简单,但要证明算法的准确性却不是一件容易的事情。证明的具体过程可以参考以下链接。

复制代码

看我们的代码,封装了一个叫做Wrr的类。这个类在原来权重的基础上,增加了一个当前的权重值current。current没次调用都会改变。

在每一轮调用中,都会在current上加上对应节点的weight值,然后选择current值最大的那一个,当作本轮的调度节点。

被选中的节点,将会减去所有的权重值total,然后进行下一次调度。唯一的问题是,当节点比较多的时候,它的时间复杂度总是O(n),执行效率上要打一些折扣。

public class WrrSmooth implements IWrr {    class Wrr {        Element ele;        int current = 0;        Wrr(Element ele){            this.ele = ele;        }    }    final Wrr[] cachedWeights;    public WrrSmooth(Element[] elements) {        this.cachedWeights = Arrays.stream(elements)                .map(Wrr::new)                .collect(Collectors.toList())                .toArray(new Wrr[0]);    }    @Override    public String next() {        int total = 0;        Wrr shed = cachedWeights[0];        for(Wrr item : cachedWeights){            int weight = item.ele.weight;            total +=  weight;            item.current += weight;            if(item.current > shed.current){                shed = item;            }        }        shed.current -= total;        return shed.ele.peer;    }}复制代码

Nginx的这个版本,写法非常简单。建议好好理解,掌握红黑树和Ningx版本的写法即可。

End

一般的面试,其实集中在随机数和递增版本上,当然红黑树这一版也可以考虑一下。至于LVS和Nginx的这些写法,如果以前没有碰到过,大概率是写不出来的,除非你是天才。

但是如果你是天才,还用得着这样粗俗的面试么?

原文链接:

如果本文对你有帮助的话,麻烦点赞关注支持一下

标签: #nginxdns轮询