知识卡片

结构图卡 · 396.a.1.f.4.c.2

按状态评分调整节点权重

理解等级:高级

自适应负载均衡让调用方持续收集每个提供方的容量、CPU 负载、请求耗时和健康状态等信号,把不同量纲的指标按配置规则转换为分数,再用分数调整节点权重,最后按权重选节点。原书的教学算例:满分 10 分,节点得 8 分,基础权重 100,则有效权重为 100×8/10=80;若另一候选权重为 100,预期抽样比例分别为 80⁄180 与 100/180,而非每 10 次必然有 8 次发给前者。

边界:原书没有给出指标归一化、采样窗口或具体评分函数;“CPU 负载 70% 减 3 分”只是类比。多调用方看到的指标可能不同,权重更新也可能滞后;阈值与稳定性须据系统验证,不能把示例分数当实测结果。

结构图:

flowchart LR
    A[容量与运行状态] --> C[指标归一化并评分]
    B[请求耗时与健康状态] --> C
    C --> D[分数调整基础权重]
    D --> E[按最终权重抽样节点]
    E --> F[发送请求并继续观测]
    F --> B
这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    原书出处

    参考来源

    - 位置:《115-RPC实战与核心原理》第12章《11|负载均衡:节点负载差距这么大,为什么收到的流量还一样?》(源文件:`_epub-src/OEBPS/Text/12.html`) - 结论依据:原文列出运行时、耗时和健康指标,解释按指标权重打分并乘以基础节点权重;第四幅图画出指标收集、打分、权重计算与随机权重选择。归一化及时间滞后属于实现边界推断,80/180 是原书教学数字的进一步计算。 - 原始内容:我们可以配合随机权重的负载均衡策略去控制,通过最终的指标分数修改服务节点最终的权重。例如给一个服务节点综合打分是 8 分(满分 10 分),服务节点的权重是 100,那么计算后最终权重就是 80(100*80%)。