Java 上級: 5 つの負荷分散アルゴリズムの実装原理を深く理解する

Java 上級: 5 つの負荷分散アルゴリズムの実装原理を深く理解する

序文

負荷分散とは何ですか?

複数のサーバーを対称的に構成したサーバーセットを指します。各サーバーは同等の地位を持ち、他のサーバーの支援なしに独立して外部にサービスを提供できます。何らかの負荷分散技術により、外部から送信されたリクエストは対称構造のサーバーに均等に分散され、リクエストを受信したサーバーはクライアントのリクエストに独立して応答します。負荷分散により、クライアント要求をサーバー アレイに均等に分散できるため、重要なデータへの高速アクセスが可能になり、多数の同時アクセス サービスの問題が解決されます。このクラスター テクノロジにより、最小限の投資で大規模なメインフレームに近いパフォーマンスを実現できます。

今日は以下のことについてお話します。

1. 負荷分散アルゴリズムの概要

1. 投票方法

実際の接続数やサーバーの現在のシステム負荷に関係なく、各バックエンド サーバーを平等に扱い、リクエストをバックエンド サーバーに順番に分散します。

2. ランダム法

システムのランダム アルゴリズムにより、バックエンド サーバーのリスト サイズ値に基づいて、アクセスするサーバーの 1 つがランダムに選択されます。確率統計理論によれば、クライアントがサーバーを呼び出す回数が増えるにつれて、実際の効果は、各バックエンドサーバーへの呼び出し量を均等に分散すること、つまりポーリングの結果にどんどん近づいていきます。

3. 送信元アドレスのハッシュ

ソース アドレス ハッシュの考え方は、クライアントの IP アドレスを取得し、ハッシュ関数を通じて値を計算することです。この値は、サーバー リストのサイズに対してモジュロ演算を実行するために使用されます。結果は、クライアントがアクセスするサーバーのシリアル番号です。負荷分散には送信元アドレス ハッシュを使用します。同じ IP アドレスを持つクライアントの場合、バックエンド サーバー リストが変更されなければ、アクセスするたびに同じバックエンド サーバーにマップされます。

4. 加重ラウンドロビン

バックエンド サーバーによってマシン構成や現在のシステム負荷が異なる場合があり、そのためストレス耐性も異なります。構成が高く負荷が低いマシンに高い重みを割り当てて、より多くのリクエストを処理できるようにします。構成が低く負荷が高いマシンに低い重みを割り当てて、システム負荷を軽減します。重み付けポーリングはこの問題を適切に処理し、重みに従って順番にバックエンドにリクエストを分散します。

5. 加重ランダム法

加重ラウンドロビン方式と同様に、加重ランダム方式でも、バックエンド マシンの構成とシステムの負荷に基づいて異なる重みが割り当てられます。違いは、順番にではなく、重みに応じてバックエンド サーバーをランダムに要求することです。

2. 5つの負荷分散アルゴリズムを実装するコード

1. 投票方法

  1. java.util.*をインポートします
  2. java.util.concurrent.ConcurrentHashMapをインポートします
  3. パブリッククラスTestRoundRobin{
  4. // 1. マップ、キー IP、値の重みを定義する
  5. 静的Map<String,Integer> ipMap = new HashMap<>();
  6. 静的{
  7. ipMap.put( "192.168.13.1" , 1 );
  8. ipMap.put( "192.168.13.2" , 1 );
  9. ipMap.put( "192.168.13.3" , 1 );
  10. }
  11. // 整数合計=0;
  12. 整数 pos = 0 ;
  13. パブリック文字列ラウンドロビン(){
  14. Map<String,Integer> ipServerMap =新しいConcurrentHashMap<>();
  15. ipServerMap.putAll(ipMap);
  16. // 2. キーを取り出してセットに入れる
  17. Set<String> ipset=ipServerMap.keySet();
  18. // 3.set をリストに入れ、リストをループして取り出します
  19. ArrayList<String> iplist =新しいArrayList<String>();
  20. iplist.addAll(ipset);
  21. 文字列 serverName = null ;
  22. // 4. ループ値を定義し、設定より大きい場合は 0 から開始します
  23. 同期(正){
  24. (pos>=ipset.size())の場合{
  25. 位置 = 0 ;
  26. }
  27. serverName=iplist.get(pos);
  28. // 投票 +1
  29. 位置++;
  30. }
  31. serverNameを返します
  32. }
  33. パブリック静的voidメイン(String[] args) {
  34. テストラウンドロビン testRoundRobin =新しいTestRoundRobin();
  35. ( int i = 0 ; i < 10 ; i++) {
  36. 文字列 serverIp=testRoundRobin.RoundRobin();
  37. System.out.println(サーバーIP);
  38. }
  39. }
  40. }

2. 加重ラウンドロビン

  1. java.util.*をインポートします
  2. java.util.concurrent.ConcurrentHashMapをインポートします
  3. パブリッククラスTestWeightRobin {
  4. // 1.map、キー-IP、値の重み
  5. 静的Map<String,Integer> ipMap = new HashMap<>();
  6. 静的{
  7. ipMap.put( "192.168.13.1" , 1 );
  8. ipMap.put( "192.168.13.2" , 2 );
  9. ipMap.put( "192.168.13.3" , 4 );
  10. }
  11. 整数 pos = 0 ;
  12. パブリック文字列WeightRobin(){
  13. Map<String,Integer> ipServerMap =新しいConcurrentHashMap<>();
  14. ipServerMap.putAll(ipMap);
  15. Set<String> ipSet=ipServerMap.keySet();
  16. イテレータ<文字列> ipIterator=ipSet.iterator();
  17. //すべてのサーバーを配置するリストを定義する
  18. ArrayList<String> ipArrayList =新しいArrayList<String>();
  19. // セットをループし、セット内の値を使用してマップ内の値を取得し、対応する数のサーバーをリストに追加します。
  20. (ipIterator.hasNext())の間{
  21. 文字列 serverName=ipIterator.next();
  22. 整数の重み=ipServerMap.get(serverName);
  23. ( int i = 0 ; i < 重み ; i++){
  24. ipArrayList.add(サーバー名);
  25. }
  26. }
  27. 文字列 serverName = null ;
  28. if (pos>=ipArrayList.size()){
  29. 位置 = 0 ;
  30. }
  31. serverName=ipArrayList.get(pos);
  32. // 投票 +1
  33. 位置++;
  34. serverNameを返します
  35. }
  36. パブリック静的voidメイン(String[] args) {
  37. テストウェイトロビン testWeightRobin =新しいTestWeightRobin();
  38. ( int i = 0 ; i< 10 ; i++){
  39. 文字列 server=testWeightRobin.WeightRobin();
  40. System.out.println(サーバー);
  41. }
  42. }
  43. }

3. ランダム法

  1. java.util.*をインポートします
  2. java.util.concurrent.ConcurrentHashMapをインポートします
  3. パブリッククラスTestRandom{
  4. // 1. マップ、キー IP、値の重みを定義する
  5. 静的Map<String,Integer> ipMap = new HashMap<>();
  6. 静的{
  7. ipMap.put( "192.168.13.1" , 1 );
  8. ipMap.put( "192.168.13.2" , 2 );
  9. ipMap.put( "192.168.13.3" , 4 );
  10. }
  11. パブリック文字列ランダム() {
  12. Map<String,Integer> ipServerMap =新しいConcurrentHashMap<>();
  13. ipServerMap.putAll(ipMap);
  14. Set<String> ipSet=ipServerMap.keySet();
  15. //すべてのサーバーを配置するリストを定義する
  16. ArrayList<String> ipArrayList =新しいArrayList<String>();
  17. ipArrayList.addAll(ipSet);
  18. // 乱数をループする
  19. ランダム random = new Random();
  20. // リストの数量(1-list.size)から乱数が取得されます
  21. int pos=random.nextInt(ipArrayList.size());
  22. 文字列 serverNameReturn = ipArrayList.get(pos);
  23. serverNameReturnを返します
  24. }
  25. パブリック静的voidメイン(String[] args) {
  26. テストランダム testRandom =新しいテストランダム();
  27. ( int i = 0 ; i< 10 ; i++){
  28. 文字列 server=testRandom.Random();
  29. System.out.println(サーバー);
  30. }
  31. }
  32. }

4. 加重ランダム

  1. java.util.*をインポートします
  2. java.util.concurrent.ConcurrentHashMapをインポートします
  3. パブリッククラスTestRobinRandom{
  4. // 1. マップ、キー IP、値の重みを定義する
  5. 静的Map<String,Integer> ipMap = new HashMap<>();
  6. 静的{
  7. ipMap.put( "192.168.13.1" , 1 );
  8. ipMap.put( "192.168.13.2" , 2 );
  9. ipMap.put( "192.168.13.3" , 4 );
  10. }
  11. パブリック文字列RobinRandom(){
  12. Map<String,Integer> ipServerMap =新しいConcurrentHashMap<>();
  13. ipServerMap.putAll(ipMap);
  14. Set<String> ipSet=ipServerMap.keySet();
  15. イテレータ<文字列> ipIterator=ipSet.iterator();
  16. //すべてのサーバーを配置するリストを定義する
  17. ArrayList<String> ipArrayList =新しいArrayList<String>();
  18. // セットをループし、セット内の値を使用してマップ内の値を取得し、対応する数のサーバーをリストに追加します。
  19. (ipIterator.hasNext())の間{
  20. 文字列 serverName=ipIterator.next();
  21. 整数の重み=ipServerMap.get(serverName);
  22. ( int i = 0 ;i<weight;i ++ ){
  23. ipArrayList.add(サーバー名);
  24. }
  25. }
  26. // 乱数をループする
  27. ランダム random = new Random();
  28. // リストの数量(1-list.size)から乱数が取得されます
  29. int pos=random.nextInt(ipArrayList.size());
  30. 文字列 serverNameReturn = ipArrayList.get(pos);
  31. serverNameReturnを返します
  32. }
  33. パブリック静的voidメイン(String[] args) {
  34. TestRobinRandom testRobinRandom =新しいTestRobinRandom();
  35. ( int i = 0 ; i< 10 ; i++){
  36. 文字列 server=testRobinRandom.RobinRandom();
  37. System.out.println(サーバー);
  38. }
  39. }
  40. }

5. 送信元アドレスのハッシュ

  1. java.util.ArrayListをインポートします
  2. java.util.HashMapをインポートします
  3. java.util.Mapをインポートします
  4. java.util.Setをインポートします
  5. java.util.concurrent.ConcurrentHashMapをインポートします
  6. パブリッククラスipHash{
  7. // 1. マップ、キー IP、値の重みを定義する
  8. 静的Map<String,Integer> ipMap = new HashMap<>();
  9. 静的{
  10. ipMap.put( "192.168.13.1" , 1 );
  11. ipMap.put( "192.168.13.2" , 2 );
  12. ipMap.put( "192.168.13.3" , 4 );
  13. }
  14. パブリック文字列ipHash(文字列クライアントIP){
  15. Map<String,Integer> ipServerMap =新しいConcurrentHashMap<>();
  16. ipServerMap.putAll(ipMap);
  17. // 2. キーを取り出してセットに入れる
  18. Set<String> ipset=ipServerMap.keySet();
  19. // 3.set をリストに入れ、リストをループして取り出します
  20. ArrayList<String> iplist =新しいArrayList<String>();
  21. iplist.addAll(ipset);
  22. // IPのハッシュコード値の残りを取得します。これは毎回同じです
  23. intハッシュコード = クライアントIP.ハッシュコード();
  24. int serverListsize=iplist.size();
  25. int pos=ハッシュコード%サーバーリストサイズ;
  26. iplist.get(pos);を返します
  27. }
  28. パブリック静的voidメイン(String[] args) {
  29. ipHash iphash =新しいipHash();
  30. 文字列サーバー名 = iphash.ipHash( "192.168.21.2" );
  31. System.out.println(サーバー名);
  32. }
  33. }

要約する

前進しなければ、遅れを取ってしまいます。一緒に頑張りましょう。

<<:  2021 年の人工知能と自動化のトレンド

>>:  AI は金融業界がランサムウェアに効果的に対抗するのに役立つでしょうか?

ブログ    
ブログ    

推薦する

人工知能と機械学習が進化する10の方法

[[411678]]人工知能は現在、多くの CEO にとって最重要課題となっています。この話題は目新...

エンタープライズレベルの AI を実装するにはどうすればよいでしょうか? Watson なら問題ありません!

[51CTO.com からのオリジナル記事] 人工知能は間違いなく、今日最も注目されている技術の ...

GoogleのAIオープンソース成果物は3年前に誕生し、想像もつかないような多くの場所で使用されている。

2016年3月、人間と機械の戦い「イ・セドル対AlphaGo」は、人工知能の力を世界に知らしめた。...

...

ニューラル ネットワークのデバッグにイライラしていませんか?ここに16のヒントがあります

[[201444]]ニューラルネットワークのデバッグは、専門家にとっても困難な作業です。数百万のパラ...

Nvidia が企業秘密を盗んだと非難される!ビデオ会議で証拠が明らかになり、関与した従業員は有罪を認めた

Nvidia はビデオ会議を開催しただけで訴えられたのですか? ? ?はい、きっかけはほんの数枚のコ...

コーチや監督者になる...人間と機械のコラボレーションにより、AIはあなたをよりよく理解します

一見退屈で冷淡なアルゴリズムは、継続的な反復とアップグレードを経て、外界を認識でき、人間の意思決定を...

ハッカーがトレーニングデータセットを汚染し、AIモデルが「犬を入力して猫を生成」できるようにするNightshadeツールを公開

10月25日、AIの大規模モデルトレーニングデータソースの著作権問題は、常に業界にとって頭痛の種とな...

確かな情報です!機械学習で知っておくべき 5 つの回帰アルゴリズム!

回帰アルゴリズムといえば、理解しやすく非常に単純なため、多くの人が線形回帰を思い浮かべると思います。...

人工知能教育の現状と動向

人工知能への熱狂が世界を席巻している。国は人工知能の分野で戦略的な配置を開始しており、人工知能の人材...

将来人工知能に置き換えられる可能性が最も低い10の仕事

人工知能(AI)の急速な発展は人々の生活に便利さをもたらしたが、労働市場には大きな変化をもたらすだろ...

...

IoTとAIがスマートホームにもたらす効果

スマートシティ建設が国家戦略となり、ハイテクが急速に発展するにつれて、スマートシティはバージョン1....

...

マイクロソフトがAR仮想「翻訳機」をデモ、将来の翻訳業界に影響を与える

7月22日のニュース:AR技術は継続的な発展により、徐々に成熟してきました。他の新しいテクノロジーと...