nginx加权轮训算法

nginx加权轮训算法

nginx upstream负载均衡默认采用轮训方法


http {

    upstream tomcats{

        server 192.168.25.131:8080;

        server 192.168.25.132:8080;

        server 192.168.25.133:8080;

    }

    server {

        listen 80;

        server_name 192.168.25.130;



        location / {

            proxy_pass http://tomcats;

        }

    }

}

这里暂且将三台server服务器叫做a,b,c。浏览器访问192.168.25.130,每三次请求会均匀转发给a,b,c各一次。这是因为每台服务器默认的权重都是1,所以会均分请求。

现在为server加上权重,如下:


http {

    upstream tomcats{

        server 192.168.25.131:8080 weight=5;

        server 192.168.25.132:8080 weight=2;

        server 192.168.25.133:8080 weight=1;

    }

    server {

        listen 80;

        server_name 192.168.25.130;



        location / {

            proxy_pass http://tomcats;

        }

    }

}

这时再访问192.168.25.130,每8次请求中有5次转发给a,2次转发给b,1次转发给c。但8次请求并不是{a,a,a,a,a,b,b,c}这样转发的,连续的5次请求转发给a,是不均匀的。nginx使用的是平滑的加权轮训,这样装发给a的5次请求不再是连续的。

先看一下nginx中加权轮训算法实现


static ngx_http_upstream_rr_peer_t *

ngx_http_upstream_get_peer(ngx_http_upstream_rr_peer_data_t *rrp)

{

    time_t                        now;

    uintptr_t                    m;

    ngx_int_t                    total;

    ngx_uint_t                    i, n, p;

    ngx_http_upstream_rr_peer_t  *peer, *best;



    now = ngx_time();



    best = NULL;

    total = 0;

#if (NGX_SUPPRESS_WARN)

    p = 0;

#endif

    for (peer = rrp->peers->peer, i = 0;

        peer;

        peer = peer->next, i++)

    {



        n = i / (8 * sizeof(uintptr_t));

        m = (uintptr_t) 1 << i % (8 * sizeof(uintptr_t));



        if (rrp->tried[n] & m) {

            continue;

        }

        if (peer->down) {

            continue;

        }

        if (peer->max_fails

            && peer->fails >= peer->max_fails

            && now - peer->checked <= peer->fail_timeout)

        {

            continue;

        }



        peer->current_weight += peer->effective_weight;

        total += peer->effective_weight;



        if (peer->effective_weight < peer->weight) {

            peer->effective_weight++;

        }

        if (best == NULL || peer->current_weight > best->current_weight) {

            best = peer;

            p = i;

        }

    }

    if (best == NULL) {

        return NULL;

    }

    rrp->current = best;

    n = p / (8 * sizeof(uintptr_t));

    m = (uintptr_t) 1 << p % (8 * sizeof(uintptr_t));

    rrp->tried[n] |= m;

    best->current_weight -= total;

    if (now - best->checked > best->fail_timeout) {

        best->checked = now;

    }

    return best;

}

每个后端peer都有三个权重变量

  1. weight

配置文件中指定的该后端的权重,次值不变

  1. effective_weight

后端的有效权重,初始值为weight。

在释放后端时,如果发现和后端的通信过程中发生了错误,就减小effective_weight。

此后有新的请求过来时,在选取后端的过程中,再逐步增加effective_weight,最终又恢复到weight。

之所以增加这个字段,是为了当后端发生错误时,降低其权重。

  1. current_weight

后端目前的权重,一开始为0,之后会动态调整。那么是怎么个动态调整呢?

每次选取后端时,会遍历集群中所有后端,对于每个后端,让它的current_weight增加它的effective_weight,

同时累加所有后端的effective_weight,保存为total。

如果该后端的current_weight是最大的,就选定这个后端,然后把它的current_weight减去total。如果该后端没有被选定,那么current_weight不用减小。

.

对于每个请求,遍历集群中的所有可用后端,对于每个后端peer执行:

peer->current_weight += peer->effecitve_weight。

同时累加所有peer的effective_weight,保存为total。

从集群中选出current_weight最大的peer,作为本次选定的后端。

对于本次选定的后端,执行:peer->current_weight -= total。

upstream backend { server a weight=5; server b weight=2; server c weight=1; }

这样8次请求转发顺序是{a,b,a,a,c,a,b,a}

最后编辑于
©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 199,478评论 5 467
  • 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 83,825评论 2 376
  • 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 146,482评论 0 330
  • 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 53,726评论 1 271
  • 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 62,633评论 5 359
  • 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 48,018评论 1 275
  • 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 37,513评论 3 390
  • 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 36,168评论 0 254
  • 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 40,320评论 1 294
  • 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 35,264评论 2 317
  • 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 37,288评论 1 328
  • 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 32,995评论 3 315
  • 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 38,587评论 3 303
  • 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 29,667评论 0 19
  • 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 30,909评论 1 255
  • 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 42,284评论 2 345
  • 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 41,862评论 2 339

推荐阅读更多精彩内容