一、负载均衡基础：从概念到实现

负载均衡（Load Balancing）是分布式系统的核心技术之一，其核心目标是通过智能分配请求流量，实现系统的高可用性、可扩展性和性能优化。在技术面试中，面试官常通过基础概念考察候选人对系统架构的理解深度。

1.1 负载均衡的核心价值

• 高可用性保障：通过冗余设计消除单点故障，当某台服务器宕机时，自动将流量切换至健康节点。
• 弹性扩展能力：支持水平扩展，根据实时负载动态增减服务器，应对突发流量。
• 性能优化：通过就近访问、连接复用等技术降低延迟，提升吞吐量。

案例：电商大促期间，负载均衡器将用户请求均匀分配至多个商品服务节点，避免单节点过载导致系统崩溃。

1.2 负载均衡的分类与实现

1.2.1 硬件负载均衡

依赖专用设备（如F5 BIG-IP），通过ASIC芯片实现高性能流量分发，但成本高昂且扩展性受限。

1.2.2 软件负载均衡

• 四层负载均衡（传输层）：基于IP和端口进行转发，如LVS（Linux Virtual Server）。

  // LVS DR模式核心代码片段
  struct iphdr *iph = (struct iphdr *)skb->data;
  iph->daddr = real_server_ip; // 修改目标IP为真实服务器
  ip_send_check(iph); // 重新计算校验和

• 七层负载均衡（应用层）：解析HTTP头、URL等应用层协议，如Nginx、HAProxy。

  # Nginx负载均衡配置示例
  upstream backend {
      server 192.168.1.1:8080 weight=3;
      server 192.168.1.2:8080;
      least_conn; # 最少连接数算法
  }
  server {
      location / {
          proxy_pass http://backend;
      }
  }

二、负载均衡算法：面试高频考点

负载均衡算法直接影响流量分配的公平性和效率，面试中常要求分析算法优缺点及适用场景。

2.1 经典算法解析

2.1.1 轮询（Round Robin）

• 原理：按顺序将请求分配至服务器列表，循环往复。
• 适用场景：服务器性能相近的同构环境。
• 代码示例：

  def round_robin(servers, request_id):
      index = request_id % len(servers)
      return servers[index]

2.1.2 加权轮询（Weighted Round Robin）

• 改进点：为服务器分配权重，高性能节点处理更多请求。
• 数学推导：权重为[3,1,1]时，前5个请求分配顺序为A,A,A,B,C。

2.1.3 最少连接数（Least Connections）

• 动态分配：优先选择当前连接数最少的服务器。
• 实现难点：需维护全局连接数状态，可能引入锁竞争。

2.1.4 一致性哈希（Consistent Hashing）

• 核心价值：解决缓存雪崩问题，当服务器增减时，仅影响相邻节点。
• 代码示例：

  // 一致性哈希环实现
  public class ConsistentHash {
      private TreeMap<Long, Server> ring = new TreeMap<>();
      public void addServer(Server server) {
          for (int i = 0; i < 100; i++) { // 虚拟节点
              long hash = hash(server.getId() + "-" + i);
              ring.put(hash, server);
          }
      }
      public Server getServer(String key) {
          long hash = hash(key);
          Map.Entry<Long, Server> entry = ring.ceilingEntry(hash);
          return entry != null ? entry.getValue() : ring.firstEntry().getValue();
      }
  }

2.2 算法选择策略

• 静态场景：轮询/加权轮询（配置简单，性能稳定）。
• 动态场景：最少连接数（适应突发流量）。
• 缓存场景：一致性哈希（减少缓存迁移）。

三、负载均衡面试题解析与实战

3.1 常见面试问题

Q1：Nginx与LVS的区别？

维度	Nginx	LVS
层级	七层（应用层）	四层（传输层）
性能	单机万级并发	单机百万级并发
功能	支持HTTP缓存、SSL终止	仅支持基础转发
适用场景	Web服务、API网关	高并发TCP/UDP服务

Q2：如何实现会话保持（Session Sticky）？

• Cookie插入：负载均衡器在响应中插入服务器标识。
• IP哈希：基于客户端IP进行哈希分配（可能引发不均衡）。
• 分布式Session：使用Redis集中存储Session数据。

3.2 架构设计题：设计一个亿级流量系统

3.2.1 整体架构

客户端 → DNS轮询 → CDN加速 → 全局负载均衡（GSLB）→ 区域负载均衡 → 微服务集群

3.2.2 关键设计点

1. GSLB实现：

   • 基于地理位置的DNS解析（如AWS Route 53）。
   • 实时健康检查，剔除故障区域。

2. 区域负载均衡：

   • 使用Envoy或Nginx Plus实现七层路由。
   • 结合服务发现（如Eureka）动态更新后端列表。

3. 容灾设计：

   • 同城双活：两个数据中心互为备份。
   • 异地多活：跨地域流量调度。

四、进阶知识：负载均衡与云原生

4.1 Kubernetes中的负载均衡

• Service类型：

  • ClusterIP：集群内部访问。
  • NodePort：通过节点端口暴露服务。
  • LoadBalancer：集成云厂商负载均衡器。

• Ingress控制器：

  apiVersion: networking.k8s.io/v1
  kind: Ingress
  metadata:
    name: example-ingress
  spec:
    rules:
    - host: "example.com"
      http:
        paths:
        - path: "/api"
          pathType: Prefix
          backend:
            service:
              name: api-service
              port:
                number: 80

4.2 服务网格中的负载均衡

• Istio实现：
  • 通过Sidecar代理（Envoy）实现细粒度流量控制。
  • 支持基于延迟、错误率的自动重试和熔断。

五、面试准备建议

1. 动手实践：使用Docker部署Nginx+Tomcat集群，验证不同算法效果。
2. 源码阅读：分析Nginx的ngx_http_upstream_module模块实现。
3. 场景模拟：设计高并发秒杀系统的负载均衡方案，考虑限流、降级等机制。

负载均衡作为系统设计的核心组件，其理解深度直接体现工程师的系统架构能力。通过掌握算法原理、实现细节及典型场景，您将能在技术面试中展现扎实的专业功底。