20250324:趁热输出了一篇关于负载均衡算法介绍的博客
希望帮助大家理解，有兴趣的同学可以看看，博客链接
这个项目用 Go 语言实现了几种常见的负载均衡算法，可用于分布式系统中的负载分配。
本项目参考了 @Zheaoli 的 Python 实现，并对算法进行了 Go 语言的重新实现和优化。
本项目实现了以下四种负载均衡算法：
- 随机选择 (Random Selection)
- 轮询 (Round Robin)
- 最小连接 (Least Connections)
- Maglev 一致性哈希 (Consistent Hashing)
每种算法都支持加权和非加权版本，以适应不同场景下的负载均衡需求。
随机选择算法是最简单的负载均衡策略之一，它随机从可用服务器池中选择一个服务器来处理请求。
特点：
- 实现简单，易于理解
- 支持加权随机选择，权重越大被选中的概率越高
- 过滤不可用（权重为0）的服务器
适用场景：
- 服务器性能相近
- 请求处理时间差异不大
- 请求分布相对均衡
轮询算法按照顺序依次选择服务器，实现请求的平均分配。
特点：
- 按顺序循环选择服务器
- 支持加权轮询（平滑加权轮询算法），权重大的服务器处理更多请求
- 可以跳过不可用的服务器
适用场景：
- 服务器配置相近
- 请求负载均衡
- 适合长期运行的系统中保持均衡负载
最小连接算法选择当前活动连接数最少的服务器，优化资源利用率。
特点：
- 动态跟踪每台服务器的连接数
- 支持加权最小连接算法，考虑服务器权重和当前连接数的比值
- 在连接完成后释放资源
- 使用原子操作确保并发安全
适用场景：
- 请求处理时间差异大
- 服务器处理能力不同
- 需要动态平衡负载的场景
Maglev 一致性哈希算法是 Google 设计的高效一致性哈希算法，用于大规模分布式系统。
特点：
- 使用哈希表实现 O(1) 的查找性能
- 服务器变更时，最小化重新映射的请求数
- 支持加权一致性哈希，权重大的服务器处理更多请求
- 使用双哈希函数（murmur3 和 xxh3）提高随机性和分布均匀性
适用场景：
- 需要会话保持或缓存一致性的系统
- 服务器动态增减频繁的环境
- 大规模分布式系统
package main
import (
"fmt"
"github.com/load-balancer-algorithm/loadbalancer"
)
func main() {
// 创建服务器
servers := []*loadbalancer.Server{
{Address: "192.168.1.1:8080", Weight: 1},
{Address: "192.168.1.2:8080", Weight: 2},
{Address: "192.168.1.3:8080", Weight: 3},
}
// 创建负载均衡器 (以一致性哈希为例)
lb := loadbalancer.NewMaglevHashLoadBalancer()
// 添加服务器
for _, server := range servers {
lb.AddServer(server)
}
// 使用负载均衡器选择服务器
for i := 0; i < 5; i++ {
key := fmt.Sprintf("user%d", i)
server := lb.GetServer(key)
fmt.Printf("请求 %s 被分配到服务器: %s\n", key, server.Address)
}
}各算法在不同场景下的性能对比：
| 算法 | 时间复杂度 | 空间复杂度 | 一致性 | 负载均衡性 | 适合场景 |
|---|---|---|---|---|---|
| 随机选择 | O(1) | O(n) | 低 | 中 | 简单系统，短连接 |
| 轮询 | O(1) | O(n) | 低 | 高 | 性能接近的服务器集群 |
| 最小连接 | O(n) | O(n) | 中 | 高 | 处理时间差异大的请求 |
| Maglev哈希 | O(1) | O(m) | 高 | 中 | 需要会话保持的系统 |
loadbalancer/
├── base.go # 基础结构和接口定义
├── random.go # 随机选择算法实现
├── round_robin.go # 轮询算法实现
├── least_connections.go # 最小连接算法实现
└── consistent_hash.go # Maglev一致性哈希算法实现