前言：一场关于"公平"分配的艺术 🎭
想象一下，你是一位餐厅经理，有三名厨师：👨🍳 大厨A（能做5道菜）、👨🍳 二厨B（能做3道菜）和 👨🍳 小厨C（能做2道菜）。现在来了10位客人，你怎么分配任务才能既发挥每个人的特长，又不让任何一位厨师累趴下？这就是负载均衡要解决的核心问题！
在分布式系统领域，权重轮询算法就像是这位聪明的餐厅经理，它能够根据服务器的"厨艺"（处理能力）分配不同比例的请求。今天，我们就来深入探讨两种不同的"分配艺术"：简单粗暴的非平滑权重轮询和精明圆滑的平滑权重轮询。
一、非平滑权重轮询：老实人的直球对决 ⚾
1.1 算法原理：排排坐，分果果
非平滑权重轮询算法（又称静态权重轮询）的核心思想是基于权重比例进行确定性分配。算法维护一个全局计数器，通过对总权重取模来确定当前请求应该分配给哪个服务器。
详细实现原理：
- 初始化阶段：计算所有服务器权重的总和（totalWeight）
- 选择阶段：
- 维护一个原子计数器（currentIndex），确保线程安全
- 每次请求时，计数器递增并对总权重取模：
index = (currentIndex + 1) % totalWeight - 遍历服务器列表，用当前索引值依次减去每个服务器的权重
- 当剩余值小于某个服务器的权重时，选择该服务器
数学表达：
设服务器权重数组为 W = [w₁, w₂, ..., wₙ]，总权重 T = Σwᵢ
对于第k个请求，选择满足以下条件的服务器i：
Σʲ⁻¹wⱼ ≤ (k mod T) < Σʲwⱼ，其中 j=1 to i
1.2 数学依据：区间映射理论 📐
严格的数学理论：
非平滑权重轮询基于数论中的模运算和区间划分原理。算法将[0, T-1]的整数区间按权重比例划分为n个子区间，每个子区间的长度等于对应服务器的权重。
数学上，可以表示为：
- 服务器i的分配区间为 [Sᵢ, Sᵢ + wᵢ)，其中 Sᵢ = Σʲ⁻¹wⱼ (j=1 to i-1)
- 对于请求序列号k，计算 m = k mod T
- 选择满足 m ∈ [Sᵢ, Sᵢ + wᵢ) 的服务器i
通俗解释：
想象有一个长度为总权重的"轮盘赌"，每个服务器占据与其权重成比例的扇形区域。每次请求就像旋转轮盘，指针停在哪个区域就选择对应的服务器。这种方法的优点是实现简单，计算复杂度低（O(n)），但缺点是分配不够平滑，可能导致某些服务器短时间内接收大量请求。
1.3 代码实现深度解析 💻
public Server getNextServer() { // 使用原子操作确保线程安全，避免并发问题 int index = currentIndex.updateAndGet(i -> (i + 1) % totalWeight); // 线性搜索找到对应的服务器 for (Server server : servers) { if (index < server.getWeight()) { return server; // 找到目标服务器 } index -= server.getWeight(); // 调整索引，继续寻找 } return servers.get(0); // 安全回退 } 代码分析：
AtomicInteger确保多线程环境下的线程安全- 取模运算
% totalWeight将索引限制在 [0, totalWeight-1] 范围内 - 线性搜索的时间复杂度为 O(n)，对于服务器数量不多的情况效率可接受
1.4 执行过程详细图示 🍽️
假设有三台服务器：
- 🟥 ServerA: 权重 5
- 🟦 ServerB: 权重 3
- 🟩 ServerC: 权重 2
总权重 = 10
详细的分配过程：
| 请求 | 当前索引 | 计算过程 | 选中服务器 | 分配模式 |
|---|---|---|---|---|
| 1 | 0 | 0 < 5? ✅ | 🟥 ServerA | A |
| 2 | 1 | 1 < 5? ✅ | 🟥 ServerA | A |
| 3 | 2 | 2 < 5? ✅ | 🟥 ServerA | A |
| 4 | 3 | 3 < 5? ✅ | 🟥 ServerA | A |
| 5 | 4 | 4 < 5? ✅ | 🟥 ServerA | A |
| 6 | 5 | 5 < 5? ❌ → 5-5=0; 0 < 3? ✅ | 🟦 ServerB | B |
| 7 | 6 | 6 < 5? ❌ → 6-5=1; 1 < 3? ✅ | 🟦 ServerB | B |
| 8 | 7 | 7 < 5? ❌ → 7-5=2; 2 < 3? ✅ | 🟦 ServerB | B |
| 9 | 8 | 8 < 5? ❌ → 8-5=3; 3 < 3? ❌ → 3-3=0; 0 < 2? ✅ | 🟩 ServerC | C |
| 10 | 9 | 9 < 5? ❌ → 9-5=4; 4 < 3? ❌ → 4-3=1; 1 < 2? ✅ | 🟩 ServerC | C |
模式分析：
分配序列为：A-A-A-A-A-B-B-B-C-C
这种分配明显不平滑，ServerA连续处理5个请求，然后ServerB处理3个，最后ServerC处理2个。
二、平滑权重轮询：情商满分的分配大师 🎩
2.1 算法原理：动态权重调整机制
平滑权重轮询算法通过引入动态权重概念来解决非平滑算法的问题。每个服务器有两个权重值：
- 固定权重（weight）：表示服务器的处理能力
- 当前权重（currentWeight）：动态值，在运行时调整
详细实现原理：
- 初始化阶段：所有服务器的当前权重设为0
- 选择阶段：
- 每次请求前，所有服务器的当前权重增加其固定权重
- 选择当前权重最大的服务器
- 被选中服务器的当前权重减去总权重
- 重复此过程
数学本质：
这实际上是一种贪心算法，通过动态调整权重来确保：
- 权重大的服务器被选中的概率更高
- 但不会连续多次选择同一服务器
- 长期来看，选择比例精确匹配权重比例
2.2 数学依据：公平序列生成算法 📊
严格的数学理论：
平滑权重轮询算法基于以下数学原理：
设服务器i的权重为wᵢ，总权重为T = Σwᵢ
算法保证：
- 每个周期（T次请求）内，服务器i被选中 exactly wᵢ 次
- 服务器i的两次被选中之间的最大间隔不超过 ⌈T/wᵢ⌉
- 序列的平滑度最优：方差最小化
算法可以形式化为：
对于每个请求t：
- 更新：cᵢ(t) = cᵢ(t-1) + wᵢ 对于所有i
- 选择：i* = argmaxᵢ cᵢ(t)
- 调整：cᵢ(t) = cᵢ(t) - T
通俗解释：
这就像给每个服务器发一张"积分卡"。每次请求前，大家都获得与能力相符的积分，积分最高者获得处理机会，但需要扣除"入场费"（总权重）。这样既能保证能力强的服务器获得更多机会，又能避免它们垄断所有请求。
2.3 代码实现深度解析 🧠
public Server getNextServer() { Server targetServer = null; int maxWeight = Integer.MIN_VALUE; // 第一步：所有服务器增加权重，并找出最大值 for (Server server : servers) { int newWeight = server.getCurrentWeight() + server.getWeight(); server.setCurrentWeight(newWeight); if (newWeight > maxWeight) { maxWeight = newWeight; targetServer = server; } } // 第二步：选中服务器减去总权重 if (targetServer != null) { targetServer.setCurrentWeight(targetServer.getCurrentWeight() - totalWeight); return targetServer; } return servers.get(0); } 算法复杂度分析：
- 时间复杂度：O(n)，需要遍历服务器列表两次（可优化为一次）
- 空间复杂度：O(n)，需要为每个服务器存储额外状态
- 线程安全：需要额外同步机制（示例代码未显示）
2.4 执行过程详细图示 🎡
同样配置：ServerA(5), ServerB(3), ServerC(2), 总权重=10
详细执行过程：
| 请求 | 增加后权重 | 选中服务器 | 调整后权重 | 分配序列 |
|---|---|---|---|---|
| 1 | 🟥 A:0+5=5, 🟦 B:0+3=3, 🟩 C:0+2=2 | 🟥 A(max=5) | 🟥 A:5-10=-5, 🟦 B:3, 🟩 C:2 | A |
| 2 | 🟥 A:-5+5=0, 🟦 B:3+3=6, 🟩 C:2+2=4 | 🟦 B(max=6) | 🟥 A:0, 🟦 B:6-10=-4, 🟩 C:4 | B |
| 3 | 🟥 A:0+5=5, 🟦 B:-4+3=-1, 🟩 C:4+2=6 | 🟩 C(max=6) | 🟥 A:5, 🟦 B:-1, 🟩 C:6-10=-4 | C |
| 4 | 🟥 A:5+5=10, 🟦 B:-1+3=2, 🟩 C:-4+2=-2 | 🟥 A(max=10) | 🟥 A:10-10=0, 🟦 B:2, 🟩 C:-2 | A |
| 5 | 🟥 A:0+5=5, 🟦 B:2+3=5, 🟩 C:-2+2=0 | 🟥 A或B(都5) | 🟥 A:5-10=-5, 🟦 B:5, 🟩 C:0 | A |
| 6 | 🟥 A:-5+5=0, 🟦 B:5+3=8, 🟩 C:0+2=2 | 🟦 B(max=8) | 🟥 A:0, 🟦 B:8-10=-2, 🟩 C:2 | B |
| 7 | 🟥 A:0+5=5, 🟦 B:-2+3=1, 🟩 C:2+2=4 | 🟥 A(max=5) | 🟥 A:5-10=-5, 🟦 B:1, 🟩 C:4 | A |
| 8 | 🟥 A:-5+5=0, 🟦 B:1+3=4, 🟩 C:4+2=6 | 🟩 C(max=6) | 🟥 A:0, 🟦 B:4, 🟩 C:6-10=-4 | C |
| 9 | 🟥 A:0+5=5, 🟦 B:4+3=7, 🟩 C:-4+2=-2 | 🟦 B(max=7) | 🟥 A:5, 🟦 B:7-10=-3, 🟩 C:-2 | B |
| 10 | 🟥 A:5+5=10, 🟦 B:-3+3=0, 🟩 C:-2+2=0 | 🟥 A(max=10) | 🟥 A:10-10=0, 🟦 B:0, 🟩 C:0 | A |
分配序列：A, B, C, A, A, B, A, C, B, A
平滑性分析：
- ServerA被选中5次（50%），但没有连续超过2次
- ServerB被选中3次（30%），分布均匀
- ServerC被选中2次（20%），间隔合理
三、两种算法对比分析 ⚖️
3.1 理论基础对比
| 方面 | 非平滑权重轮询 | 平滑权重轮询 |
|---|---|---|
| 数学基础 | 模运算和区间划分 | 动态规划和贪心算法 |
| 序列性质 | 确定性、周期性 | 确定性、准周期性 |
| 平滑度 | 低（可能连续选择） | 高（分布均匀） |
| 公平性 | 长期比例公平 | 长期比例公平+短期平滑 |
3.2 性能特征对比 📊
| 特性 | 非平滑权重轮询 | 平滑权重轮询 |
|---|---|---|
| 🎯 分配策略 | 区间映射，简单直接 | 动态调整，智能平滑 |
| ⚡ 时间复杂度 | O(n) | O(n) |
| 💾 空间复杂度 | O(1) | O(n) |
| 🔒 线程安全 | 容易（原子计数器） | 较复杂（需要同步状态） |
| 📈 可扩展性 | 好 | 较好 |
3.3 适用场景分析 💡
非平滑权重轮询适用场景：
- 🔧 服务器处理能力差异大，能承受突发负载
- ⏱️ 请求间隔较大，不需要考虑瞬时负载均衡
- 🎯 对实现简单性要求高的场景
- 📱 资源受限环境（内存占用少）
平滑权重轮询适用场景：
- 🌐 需要均匀分配请求，避免服务器瞬时压力
- ⚖️ 服务器处理能力相近，需要精细负载均衡
- 🚀 对响应时间一致性要求高的场景
- 📊 长期运行的服务，需要稳定性能
四、总结与展望 🔭
权重轮询算法是负载均衡领域的经典解决方案，两种变体各有其独特的价值和适用场景。
非平滑权重轮询就像是一位实事求是的工程师，采用直接了当的解决方案：
- 优点：实现简单、资源消耗少、容易理解
- 缺点：分配不够平滑、可能造成瞬时负载不均
- 适用：简单场景、资源受限环境、对平滑性要求不高
平滑权重轮询则像是一位深思熟虑的架构师，追求最优的整体效果：
- 优点：分配平滑、负载均衡效果好、用户体验佳
- 缺点：实现稍复杂、需要维护额外状态
- 适用：高性能要求、对平滑性敏感、长期运行的系统
选择建议：
- 如果系统规模小、请求间隔大，选择非平滑算法
- 如果系统规模大、请求频繁，选择平滑算法
- 也可以考虑混合策略，根据不同场景动态选择
未来发展方向：
- 自适应权重调整：根据服务器实时负载动态调整权重
- 机器学习优化：使用预测模型优化分配策略
- 混合算法：结合多种负载均衡策略的优点
记住：没有最好的算法，只有最适合的解决方案。理解每种算法的原理和特性，才能在实际应用中做出明智的选择。
附录：完整代码示例（见原始问题中的代码实现）
温馨提示：理论是指导实践的基础，但实际应用中还需要考虑网络延迟、服务器健康状态、会话保持等现实因素。设计负载均衡系统时，建议进行充分的测试和性能分析！
附录：完整代码示例
package com.sun; import java.util.ArrayList; import java.util.List; import java.util.concurrent.atomic.AtomicInteger; /** * 非平滑加权轮询负载均衡算法实现 * 这种算法按照权重比例分配请求，但分配不够平滑 */ public class NonSmoothWeightedRoundRobin { // 服务器节点类 public static class Server { private String name; private int weight; public Server(String name, int weight) { this.name = name; this.weight = weight; } public String getName() { return name; } public int getWeight() { return weight; } @Override public String toString() { return "Server{name='" + name + "', weight=" + weight + "}"; } } private List<Server> servers; // 服务器列表 private int totalWeight; // 总权重 private AtomicInteger currentIndex; // 当前索引 public NonSmoothWeightedRoundRobin() { servers = new ArrayList<>(); totalWeight = 0; currentIndex = new AtomicInteger(-1); } /** * 添加服务器 * @param name 服务器名称 * @param weight 服务器权重 */ public void addServer(String name, int weight) { if (weight <= 0) { throw new IllegalArgumentException("权重必须大于0"); } servers.add(new Server(name, weight)); totalWeight += weight; } /** * 获取下一台服务器 - 非平滑加权轮询算法 * 算法原理： * 1. 计算所有服务器的总权重 * 2. 使用一个递增的计数器，对总权重取模 * 3. 遍历服务器列表，用余数依次减去每个服务器的权重 * 4. 当余数小于某个服务器的权重时，选择该服务器 * @return 被选中的服务器 */ public Server getNextServer() { if (servers.isEmpty()) { throw new IllegalStateException("没有可用的服务器"); } // 使用原子递增确保线程安全 int index = currentIndex.updateAndGet(i -> (i + 1) % totalWeight); // 遍历服务器列表，找到对应的服务器 for (Server server : servers) { if (index < server.getWeight()) { return server; } index -= server.getWeight(); } // 正常情况下不会执行到这里 return servers.get(0); } /** * 打印服务器列表和权重信息 */ public void printServerInfo() { System.out.println("服务器列表:"); for (Server server : servers) { System.out.println(" " + server.getName() + " - 权重: " + server.getWeight()); } System.out.println("总权重: " + totalWeight); } /** * 测试方法 */ public static void main(String[] args) { // 创建负载均衡器 NonSmoothWeightedRoundRobin lb = new NonSmoothWeightedRoundRobin(); // 添加服务器及其权重 lb.addServer("ServerA", 5); // 50%的请求 lb.addServer("ServerB", 3); // 30%的请求 lb.addServer("ServerC", 2); // 20%的请求 // 打印服务器信息 lb.printServerInfo(); // 模拟20次请求分配 System.out.println("n请求分配情况:"); for (int i = 0; i < 20; i++) { Server server = lb.getNextServer(); System.out.println("请求 " + (i+1) + " 分配给: " + server.getName()); } // 验证分配比例 System.out.println("n验证分配比例:"); int[] count = new int[3]; // 统计每个服务器的请求次数 for (int i = 0; i < 10000; i++) { Server server = lb.getNextServer(); if ("ServerA".equals(server.getName())) { count[0]++; } else if ("ServerB".equals(server.getName())) { count[1]++; } else if ("ServerC".equals(server.getName())) { count[2]++; } } System.out.println("ServerA: " + count[0] + " 次 (" + (count[0]/100.0) + "%)"); System.out.println("ServerB: " + count[1] + " 次 (" + (count[1]/100.0) + "%)"); System.out.println("ServerC: " + count[2] + " 次 (" + (count[2]/100.0) + "%)"); } } package com.sun; import lombok.Data; import java.util.ArrayList; import java.util.List; import java.util.concurrent.atomic.AtomicInteger; /** * 非平滑加权轮询负载均衡算法实现 * 这种算法按照权重比例分配请求，但分配不够平滑 */ public class SmoothWeightedRoundRobin { // 服务器节点类 @Data public static class Server { private String name; private int weight; private int currentWeight; public Server(String name, int weight, int currentWeight) { this.name = name; this.weight = weight; this.currentWeight = currentWeight; } } private List<Server> servers; // 服务器列表 private int totalWeight; // 总权重 private AtomicInteger currentIndex; // 当前索引 public SmoothWeightedRoundRobin() { servers = new ArrayList<>(); totalWeight = 0; currentIndex = new AtomicInteger(-1); } /** * 添加服务器 * * @param name 服务器名称 * @param weight 服务器权重 */ public void addServer(String name, int weight) { if (weight <= 0) { throw new IllegalArgumentException("权重必须大于0"); } servers.add(new Server(name, weight, 0)); totalWeight += weight; } /** * 获取下一台服务器 - 平滑加权轮询算法 * 算法原理： 1、每个服务器有两个权重：固定权重(weight)和当前权重(current_weight) 2、每次选择时，所有服务器的当前权重增加其固定权重 3、选择当前权重最大的服务器 4、被选中的服务器的当前权重减去总权重 5、重复上述过程 * * @return 被选中的服务器 */ public Server getNextServer() { if (servers.isEmpty()) { throw new IllegalStateException("没有可用的服务器"); } for (Server server : servers) { server.setCurrentWeight(server.getCurrentWeight() + server.getWeight()); } Server targetServer = null; // 遍历服务器列表，找到对应的服务器 for (Server server : servers) { if (targetServer==null){ targetServer=server; continue; } if (server.currentWeight > targetServer.getCurrentWeight()) { targetServer = server; } } if (targetServer != null) { targetServer.currentWeight -= totalWeight; return targetServer; } // 正常情况下不会执行到这里 return servers.get(0); } /** * 打印服务器列表和权重信息 */ public void printServerInfo() { System.out.println("服务器列表:"); for (Server server : servers) { System.out.println(" " + server.getName() + " - 权重: " + server.getWeight()); } System.out.println("总权重: " + totalWeight); } /** * 测试方法 */ public static void main(String[] args) { // 创建负载均衡器 SmoothWeightedRoundRobin lb = new SmoothWeightedRoundRobin(); // 添加服务器及其权重 lb.addServer("ServerA", 5); // 50%的请求 lb.addServer("ServerB", 3); // 30%的请求 lb.addServer("ServerC", 2); // 20%的请求 // 打印服务器信息 lb.printServerInfo(); // 模拟20次请求分配 System.out.println("n请求分配情况:"); for (int i = 0; i < 20; i++) { Server server = lb.getNextServer(); System.out.println("请求 " + (i + 1) + " 分配给: " + server.getName()); } // 验证分配比例 System.out.println("n验证分配比例:"); int[] count = new int[3]; // 统计每个服务器的请求次数 for (int i = 0; i < 10000; i++) { Server server = lb.getNextServer(); if ("ServerA".equals(server.getName())) { count[0]++; } else if ("ServerB".equals(server.getName())) { count[1]++; } else if ("ServerC".equals(server.getName())) { count[2]++; } } System.out.println("ServerA: " + count[0] + " 次 (" + (count[0] / 100.0) + "%)"); System.out.println("ServerB: " + count[1] + " 次 (" + (count[1] / 100.0) + "%)"); System.out.println("ServerC: " + count[2] + " 次 (" + (count[2] / 100.0) + "%)"); } } 
![洛谷 P11345 [KTSC 2023 R2] 基地简化 题解](http://www.itfaba.com/wp-content/themes/kemi/timthumb.php?src=http://www.itfaba.com/wp-content/themes/kemi/img/random/2.jpg&w=218&h=124&zc=1)
