负载均衡算法有哪些？常用的负载均衡策略有哪些？

负载均衡算法是分布式系统流量调度的核心大脑,其选择直接决定了系统的并发处理能力、响应延迟以及整体稳定性。在构建高可用架构时，不存在一种“万能”的算法，只有针对特定业务场景（如计算密集型、IO密集型、有状态服务）的最优解，深入理解从基础的轮询到复杂的一致性哈希等算法原理，并结合实际业务特性进行灵活选型与调优，是保障系统在高流量冲击下不发生雪崩的关键。

基础静态调度算法

静态算法主要依据预设的规则进行分配,不考虑服务器当前的实时负载状态，适用于服务器性能相近且请求处理时间差异不大的场景。

轮询算法
这是最简单且最常用的算法，请求依次分发到后端服务器列表中的每一台，循环往复。

• 原理：假设有N台服务器，第i个请求会被分发给第(i mod N)台服务器。
• 优势：实现简单，绝对公平，能够将流量均匀地打散。
• 劣势：完全无视服务器处理能力的差异，如果某台服务器配置较低或正在处理耗时任务，它仍会收到相同数量的请求，容易导致该节点过载而其他节点闲置。

加权轮询算法
为了解决服务器性能差异的问题，引入了“权重”概念，管理员根据硬件配置为每台服务器分配权重，权重越高，被分发的请求概率越大。

• 平滑加权轮询：传统的加权轮询可能导致连续的请求都打在同一台高权重服务器上产生瞬时突发，专业的实现（如Nginx）采用平滑加权，确保在宏观上分配比例符合权重，但在微观上请求是交错分发的，避免了流量抖动。

源地址哈希算法
根据客户端的IP地址进行哈希计算，对服务器总数取模，决定路由到哪台服务器。

• 核心价值：会话保持，对于需要登录状态的应用，确保同一IP的请求始终落在同一台后端服务器上，避免分布式Session同步的复杂性。
• 风险：当服务器列表发生变化（扩容或缩容）时，哈希取模结果剧烈变化，导致绝大多数用户的缓存失效或会话丢失，即发生“缓存雪崩”。

动态自适应调度算法

动态算法会实时监控后端服务器的负载状态,动态调整流量分配策略，适用于请求处理时间波动较大的复杂业务场景。

最少连接数算法
调度器自动将新的请求分发给当前活跃连接数最少的那台服务器。

• 适用场景：长连接业务，例如WebSocket连接或数据库连接池，不同请求的占用时长差异巨大，连接数比请求数更能反映真实负载。
• 专业见解：在实现时，通常结合“加权最少连接”，即 Current_Connections / Weight 最小的服务器优先，从而兼顾性能与负载。

最快响应时间算法
调度器不仅统计连接数，还检测服务器向调度器发送响应的时间（或应用层响应时间），响应越快，说明服务器负载越轻，得分越高，越容易被选中。

• 优势：能够敏锐地感知由于GC（垃圾回收）、磁盘IO抖动等引起的性能下降，自动规避“慢”节点，保障整体SLA。

分布式一致性哈希算法

在分布式缓存系统（如Redis Cluster）或大规模无状态服务中，节点变动对系统的影响必须被控制在最小范围内，这就需要一致性哈希。

• 原理：将服务器节点和请求的Key（如URL或IP）都映射到一个2^32的哈希环上，请求顺时针寻找最近的服务器节点。
• 虚拟节点技术：为了解决数据倾斜问题（即节点在环上分布不均匀），算法引入虚拟节点，将每个物理节点映射为数百个虚拟节点，从而在统计上实现数据的均匀分布。
• 核心价值：稳定性，当增加或移除一个节点时，只影响该节点在环上相邻的节点数据，绝大部分请求的路由保持不变，这对于缓存系统至关重要，能有效防止全量缓存失效导致的数据库击穿。

实战选型与专业解决方案

在实际的架构设计中,单一算法往往难以应对所有挑战，需要结合业务特性进行组合与调优。

1. 纯静态HTTP服务：首选加权轮询，如果服务器配置一致，普通轮询即可，这是性价比最高的选择。
2. 长连接与微服务调用：推荐最少连接数，微服务间调用往往耗时不同，连接数能真实反映后端线程池的繁忙程度。
3. 有状态服务（如用户会话）：使用源地址哈希，但建议在应用层实现Session共享（如Redis存储Session），以便在必要时可以切换回轮询算法，提升故障恢复能力。
4. 分布式缓存集群：必须使用一致性哈希，配合虚拟节点设置，确保扩容时数据迁移量最小。

特别警示：无论选择何种算法，健康检查都是其生效的前提，负载均衡器必须具备主动探测（如TCP握手、HTTP状态码检测）能力，一旦发现后端节点异常，立即将其从调度列表中剔除，否则任何完美的算法都会将流量导向死节点，导致服务不可用。

相关问答模块

Q1：加权轮询算法和最小连接数算法分别在什么场景下表现最优？
A： 加权轮询算法在服务器硬件配置差异较大，但每个请求的处理耗时相对较短且稳定的场景下表现最优，例如静态资源分发或简单的API网关，它能够充分利用高性能服务器的算力，而最小连接数算法则适用于请求处理时长波动剧烈的场景，例如复杂的业务逻辑查询、视频转码或长连接服务（WebSocket），在这些场景下，连接数比请求数更准确地反映了服务器的实时压力，能有效避免长任务堆积导致的队列阻塞。

Q2：为什么在分布式缓存系统中必须使用一致性哈希算法？
A： 在分布式缓存系统中，数据的存储位置直接决定了缓存的命中率，如果使用普通的取模哈希算法，当缓存节点进行扩容或宕机（节点数量变化）时，计算公式 hash(key) % N 中的分母 N 发生变化，会导致绝大多数 Key 的路由目标改变，这意味着原本命中的缓存全部失效，海量请求瞬间穿透到数据库，极易引发数据库宕机，一致性哈希算法通过哈希环结构，确保节点增删时，只影响相邻节点的小部分数据，从而将缓存失效的影响降到最低，保障系统的高可用性。

您的系统目前采用的是哪种负载均衡策略？在面对突发流量时，是否遇到过因为算法选择不当导致的性能瓶颈？欢迎在评论区分享您的实战经验，我们一起探讨更优的架构方案。