PHP超級負載平衡

摘要

 

超級負載平衡旨在為解決服務不斷擴充、機器不斷增多、機器效能差異等問題，以增強系統的穩定性，自動分配請求壓力。演算法實現了多個模型和均衡策略，能通過配置實現隨機、輪詢、一致hash等。同時也能實現跨機房的相關分配。現已經在多個系統中使用。

TAG

負載平衡

內容

現有系統中存在的問題：

 

1. 慢串連、瞬時訪問慢。

情境一：

如果後端新增加機器，cache命中率低，因此響應速度慢，但是能串連上且不逾時。如果ui持續訪問就會把ui夯住。

情境二：

如果後端模組某一台機器響應較慢。如果前端持續訪問就會被夯住。

2. 死機。

情境一：

能斷斷續續響應請求，不過速度很慢。造成ui夯住。

3. 混合部署。

情境一：

多個模組在同一機器上，項目影響。

4. 機器權重。

情境一：

老機器，效能差；新機器，效能彪悍。因此他們應該承載不同的壓力。

5. 跨機房冗餘。

情境一：

後端對cache依賴很高的模組，因為採用的是一致hash演算法，如果掛掉一台機器，對另外的機器cache命中率衝擊很大。因此希望將對這個機器的請求均衡到另外一個機房。

6. php和c使用同樣的策略。

現在php和c希望能使用的策略實際上是有很大的一致。為了避免重複開發，php和c希望採用同樣的負載平衡庫。

要解決的問題：

設計思路：

1. 根據均衡策略計算出的均衡值對Server進行逆序排序。

2. 負載選擇。對步驟1排序後的Server按以下順序進行選擇：

a、按串連失敗機率進行選擇。

註：橫軸代表失敗次數，縱軸代表選擇的機率。

Cconn：一段區間內失敗次數

f(Cconn)：串連機率，取值範圍在(0，100]

b、按健康狀態選擇。

整個模型基於服務處理時間的收斂性。

分析：

1） 如果機器狀態良好，則平均處理時間會保持在一個穩定水平；即使是小波動，也會較快平穩在一個狀態。

2） 如果機器開始出現問題，處理時間會開始增長。如果增長持續超過一段時間，則說明有可能會影響服務；如果一段時間後穩定了，說明對請求沒有太多影響。

f(healthy)：機器健康狀態，取值範圍[0,1]

select(healthy)：機器選擇機率，取值範圍[R,1]

c、如果所有機器都沒選中，則隨機播放一台機器進行服務。

3. 機器流量均分。

不同的機器處理能力是不一樣的。當按照步驟2選擇了某台機器，需要將其他處理時間為他的1/T（T>=2）的機器也選取出來，將部分壓力分給對應的機器。

設k台機器的處理時間分別是t1, t2,…,tk, 選中的機器id＝i，比該機器處理能力高的機器時間分別為p1,p2,..,pr, （其中pj × T <= ti）。設一段時間總訪問量為Y，每台機器理論上的訪問量應該為Vg=Y/k。而實際的Vr=Y/(ti * (1/t1+1/t2+…+1/tk))。則應該分出Vg-Vr的流量給pj。pj的流量比例為1/p1:1/p2:…:1/pr

演算法設計：

A、均衡演算法

1. 一致hash演算法。

將每個server的ip和port加上balance_key三者做字串拼接後，做md5簽名。

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

2. 隨機演算法。

value(server) = random();

3. 輪詢演算法。

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

4. 多個選一演算法。

rank初始化為1， 如果預設的server失敗，則rank＋1

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

B、負載演算法

1. 串連狀態演算法。

a、對每一個server開闢一個狀態隊列。bool queue[K] 用來統計失敗次數。每次有壞狀態進隊，計數加一。如果有壞狀態出隊，則計數減一。

b、按照f(Cconn)公式計算出選擇機率。

c、利用rand()%100是否在[0,f(Cconn)]來決定是否選擇該機器。

2. 健康狀態演算法。

a、每台機器維持一個一秒鐘內的處理時間T和次數C。

b、當一秒過去以後，將T、C計算為平均處理時間R。

c、每M秒，統計每台機器最近一段時間的平均處理時間， 按照公式select（healthy）算出選擇機率。

d、利用rand()%100是否在[0, select(healthy)*100]來決定是否選擇該機器。

C、流量均分

按照策略選出滿足要求的機器，按照流量均分公式進行流量分配。

分配時按照balance_key＋server方式和random（）來分配機器， 盡量保證請求落在同一台機器。