当前位置:网站首页>软件负载均衡和硬件负载均衡的选择
软件负载均衡和硬件负载均衡的选择
2022-07-06 09:00:00 【java领域】
有软件负载均衡,也有硬件负载均衡,选择哪个?
数据流量过大的网络中,单一设备一般是无法承担的,需要多台设备进行数据分流,而负载均衡器就是起到把数据分流到多台设备的作用。
负载均衡也分了不少技术,用以满足不同的需求,有软/硬件负载均衡、本地/全局负载均衡、更高网络层负载均衡,以及链路聚合技术。
我们用了软负载均衡,也用了硬件负载均衡,下面我们说说这两个各自的千秋。
一.软件负载均衡
指在服务器的操作系统上,安装软件,来实现负载均衡,如Nginx负载均衡。它的优点是基于特定环境、配置简单、使用灵活、成本低廉,可以满足大部分的负载均衡需求。
(1)软件负载均衡主要有Nginx,LVS
Nginx是一个高性能的 HTTP 和 反向代理 服务器,也是一个 IMAP/POP3/SMTP 代理服务器。 可以说Nginx 是目前使用最为广泛的HTTP软负载均衡器,同时因高效的性能、稳定性、丰富的功能集、示例配置文件和低系统资源的消耗而闻名于业界。像腾讯、淘宝、新浪等大型门户及商业网站都采用Nginx进行HTTP网站的数据分流。
(2)Nginx的功能特点
1、工作在网络的7层之上,可以做一些分流策略策略。
2、Nginx对网络的依赖比较小。
3、Nginx安装和配置比较简单,测试方便。
4、可以承担高的负载压力且稳定,一般能支撑超过1万次的并发。
5、Nginx可以通过端口检测到服务器内部的故障,提示负载节点是否正常。;
6、不支持Session的保持、对Big request header的支持不是很好,另外默认的只有Round-robin和IP-hash两种负载均衡算法。
(3)Nginx的原理
Nginx采用的是反向代理技术,代理服务器来接受internet上的连接请求,然后将请求转发给内部网络上的服务器,并将从服务器上得到的结果返回给网络上请求连接的客户端,此时代理服务器对外就表现的,就像为一个服务器。反向代理负载均衡技术是把来自网络上的连接请求以反向代理的方式动态地转发给内部网络上的多台服务器进行处理,从而达到负载均衡的目的。
二.硬件负载均衡
直接在服务器和外部网络间安装负载均衡硬件设备,这种设备我们通常称之为负载均衡器。由专门的设备完成,独立于操作系统,整体性能得到大量提高,加上更多的负载均衡策略,智能化的流量管理,可达到最佳的负载均衡需求。 一般来说,硬件负载均衡在功能、性能上优于软件方式,不过成本昂贵,很常见的有 F5负载均衡器。
(1)F5负载均衡器介绍
F5负载均衡器是应用交付网络的全球领导者F5 Networks公司提供的一个负载均衡器专用设备,F5 BIG-IP LTM 的官方名称叫做本地流量管理器,可以做4-7层负载均衡,具有负载均衡、应用交换、会话交换、状态监控、智能网络地址转换、通用持续性、响应错误处理、IPv6网关、高级路由、智能端口镜像、SSL加速、智能HTTP压缩、TCP优化、第7层速率整形、内容缓冲、内容转换、连接加速、高速缓存、Cookie加密、选择性内容加密、应用攻击过滤、拒绝服务(DoS)攻击和SYN Flood保护、防火墙—包过滤、包消毒等功能。
(2)F5负载均衡器的功能介绍:
1.F5 BIG-IP提供12种灵活的算法将所有流量均衡的分配到各个服务器,而面对用户而言,只是一台虚拟服务器。
2.F5 BIG-IP可以确认应用程序能否对请求返回对应的数据。假如F5 BIG-IP后面的某一台服务器发生服务停止、死机等故障,F5会检查出来并将该服务器标识为宕机,从而不将用户的访问请求传送到该台发生故障的服务器上。这样,只要其它的服务器正常,用户的访问就不会受到影响。宕机一旦修复,F5 BIG-IP就会自动查证应用已能对客户请求作出正确响应并恢复向该服务器传送。
3.F5 BIG-IP具有动态Session的会话保持功能。
4.F5 BIG-IP的iRules功能可以做内容过滤,根据不同的域名、URL,将访问请求传送到不同的服务器上。
硬件负载均衡与软件负载均衡优缺点对比:
硬件负载均衡方式(F5)
优点:能够直接通过智能交换机实现,处理能力更强,而且与系统无关,负载性能强更适用于一大堆设备、大访问量、简单应用
缺点:成本高,除设备价格高昂,而且配置冗余.很难想象后面服务器做一个集群,但最关键的负载均衡设备却是单点配置;无法有效掌握服务器及应用状态.
硬件负载均衡,一般都不管实际系统与应用的状态,而只是从网络层来判断,所以有时候系统处理能力已经不行了,但网络可能还来得及反应(这种情况比较典型,比如应用服务器后面内存已经占用很多,但还没有彻底不行,如果网络传输量不大就未必在网络层能反映出来)
软件负载均衡方式(Nginx)
优点:基于系统与应用的负载均衡,能够更好地根据系统与应用的状况来分配负载。这对于复杂应用是很重要的,性价比高,实际上如果几台服务器,用F5之类的硬件产品显得有些浪费,而用软件就要合算得多,因为服务器同时还可以跑应用做集群等。
缺点:负载能力受服务器本身性能的影响,性能越好,负载能力越大。
综述:对我们系统环境来说,由于负载均衡器本身不需要对数据进行处理,性能瓶颈更多的是在于后台服务器,通常采用软负载均衡器已非常够用,可以无逢的和我们系统平台相结合。
硬件负载均衡应用场景,更多的是大量后台服务器,大量数据处理分发,比如每秒上十万的数据并发,这样需要选择一个合适的硬件负载均衡设备。
如果本文对你有帮助,别忘记给我个3连 ,点赞,转发,评论, 咱们下期见!学习更多JAVA知识与技巧,关注与私信博主(666)
边栏推荐
- Global and Chinese market of cup masks 2022-2028: Research Report on technology, participants, trends, market size and share
- Mysql database recovery (using mysqlbinlog command)
- Heap (priority queue) topic
- Using label template to solve the problem of malicious input by users
- 基于B/S的医院管理住院系统的研究与实现(附:源码 论文 sql文件)
- Pytest参数化你不知道的一些使用技巧 /你不知道的pytest
- Selenium+Pytest自动化测试框架实战(下)
- CUDA realizes focal_ loss
- 五层网络体系结构
- Kratos战神微服务框架(三)
猜你喜欢
BMINF的後訓練量化實現
The five basic data structures of redis are in-depth and application scenarios
为拿 Offer,“闭关修炼,相信努力必成大器
Persistence practice of redis (Linux version)
Pytest's collection use case rules and running specified use cases
In depth analysis and encapsulation call of requests
Redis' bitmap
Advanced Computer Network Review(3)——BBR
CUDA implementation of self defined convolution attention operator
[three storage methods of graph] just use adjacency matrix to go out
随机推荐
Activiti7工作流的使用
Post training quantification of bminf
Global and Chinese markets for hardware based encryption 2022-2028: Research Report on technology, participants, trends, market size and share
Mise en œuvre de la quantification post - formation du bminf
【文本生成】论文合集推荐丨 斯坦福研究者引入时间控制方法 长文本生成更流畅
BN folding and its quantification
[three storage methods of graph] just use adjacency matrix to go out
go-redis之初始化连接
Basic usage of xargs command
Mathematical modeling 2004b question (transmission problem)
Leetcode problem solving 2.1.1
Improved deep embedded clustering with local structure preservation (Idec)
CUDA implementation of self defined convolution attention operator
Design and implementation of online shopping system based on Web (attached: source code paper SQL file)
Redis core configuration
Kratos战神微服务框架(二)
Kratos ares microservice framework (III)
[oc foundation framework] - < copy object copy >
IJCAI2022论文合集(持续更新中)
Intel Distiller工具包-量化实现3