paint-brush
Penyahkodan Primitif Pengimbangan Bebanoleh@fairday
39,939 bacaan
39,939 bacaan

Penyahkodan Primitif Pengimbangan Beban

oleh Aleksei4m2024/02/26
Read on Terminal Reader
Read this story w/o Javascript

Terlalu panjang; Untuk membaca

Apabila menskalakan sistem anda untuk menampung peningkatan trafik dan pengguna, anda boleh memilih antara penskalaan menegak, yang meningkatkan kuasa pelayan dan penskalaan mendatar, yang melibatkan pendua pelayan. Walaupun penskalaan menegak lebih mudah, ia mempunyai had seperti kekangan perkakasan. Penskalaan mendatar dengan pengimbang beban menawarkan fleksibiliti tetapi memerlukan pengurusan tanpa kewarganegaraan dan strategi penggunaan. Memahami pengimbang beban L4 dan L7 adalah penting, dengan L4 menjadi lebih selamat dan berprestasi, manakala L7 menawarkan penghalaan pintar dengan mengorbankan kecekapan. Memilih pendekatan yang betul bergantung pada keperluan sistem dan mengimbangi pertimbangan keselamatan dan prestasi.

People Mentioned

Mention Thumbnail
featured image - Penyahkodan Primitif Pengimbangan Beban
Aleksei HackerNoon profile picture
0-item


Setiap kali sistem anda berkembang, trafik meningkat, semakin ramai pengguna menggunakan produk anda, pelayan mula bertindak balas dengan lebih perlahan, masa henti memaksa perniagaan anda menderita kemudian anda mula berfikir tentang penskalaan.


Terdapat dua strategi utama untuk penskalaan - menegak dan mendatar.


Penskalaan menegak berhasrat untuk meningkatkan kuasa sistem dengan menambahkan biasanya lebih banyak CPU dan RAM pada pelayan anda.


Sebaliknya, penskalaan mendatar memfokuskan pada pendua (atau pengklonan) pelayan anda dalam kumpulan sumber.


Lebih lanjut mengenai ini:


Penskalaan menegak

Penskalaan menegak ialah pilihan terbaik untuk sistem trafik rendah kerana ia merupakan pendekatan yang paling mudah diakses untuk mengendalikan pertumbuhan tanpa memperkenalkan kerumitan tambahan. Anda tidak perlu mengambil berat tentang menggunakan strategi untuk sekumpulan sumber, keanjalan kumpulan sumber, ketiadaan kewarganegaraan pelayan anda, cache yang diedarkan dan sebagainya.


Walau bagaimanapun, penskalaan menegak mempunyai kelemahan yang serius

  1. Had perkakasan kerana mustahil untuk menambah sumber secara tidak terhingga
  2. Kekurangan failover dan redundansi meningkatkan risiko mengalami downtime yang berpanjangan dan kehilangan data


Skala mendatar

Penskalaan mendatar menghapuskan masalah ini dengan mengklonkan pelayan aplikasi anda dan membenamkan komponen seperti Pengimbang beban .


Pengimbang beban mengedarkan trafik pada pelayan anda menggunakan algoritma tertentu seperti:


  1. Round-robin
  2. Round-robin berwajaran
  3. Pendekatan berasaskan cincang IP
  4. Kaedah sambungan paling sedikit
  5. Kaedah sambungan terkecil tertimbang
  6. Kaedah tindak balas paling sedikit, dan lain-lain lagi.


Walau bagaimanapun, ia mempunyai beberapa kelemahan:


  1. Pelayan mesti tidak bernegara
  2. Sesi perlu diteruskan dalam stor data berpusat
  3. Lebih rumit menggunakan strategi mungkin diperlukan
  4. Pengimbang beban boleh menjadi kesesakan prestasi jika ia salah konfigurasi dan sumber tidak mencukupi
  5. Ia memperkenalkan kerumitan tambahan kepada sistem dan berdiri sebagai titik kegagalan tunggal yang berpotensi, yang memerlukan penggunaan strategi failover


L4 / L7 Pengimbang beban

Untuk dua peranti di internet berkomunikasi antara satu sama lain, sistem asas perlu mengikut protokol tertentu. Semua orang mendengar tentang model OSI, yang menerangkan tujuh lapisan yang digunakan oleh sistem komputer untuk berkomunikasi melalui rangkaian. Walaupun internet moden adalah berdasarkan model tindanan protokol TCP/IP yang lebih ringkas, model OSI digunakan secara meluas, kerana ia membantu menggambarkan dan berkomunikasi cara rangkaian beroperasi dan membantu mengasingkan serta menyelesaikan masalah rangkaian.


Kebanyakan penyelesaian pengimbangan beban industri menggunakan istilah L4 dan L7 di mana L4 merujuk kepada lapisan pengangkutan dalam model OSI dan L7 merujuk kepada lapisan aplikasi.


Pengimbang beban L4 masih L2/L3 kerana ia menggunakan data dari lapisan bawah seperti alamat IP dan nombor port.


Kelebihan utama pengimbang beban L4

  • Ia lebih selamat dan berprestasi kerana kandungan data tidak diambil kira dalam membuat keputusan penghalaan

  • Sambungan TCP yang sama diadakan antara klien dan pelayan, yang membantu mengelakkan melebihi had sambungan TCP yang tersedia pada pengimbang beban


Kelemahan utama pengimbang beban L4

  • Penghalaan pintar adalah mustahil kerana kandungan tidak menyahsulit
  • Protokol stateful membawa kerumitan tambahan
  • Pemetaan antara alamat awam dan peribadi
  • Tiada caching kerana kandungan tidak tersedia pada tahap ini
  • Tidak boleh digunakan untuk seni bina perkhidmatan mikro kerana ubah hala trafik tidak tersedia berdasarkan laluan url


Sebaliknya, pengimbang beban L7 beroperasi pada tahap aplikasi dalam model OSI


Kelebihan utama pengimbang beban L7

  • Keputusan pintar boleh dibuat berdasarkan laluan URL, pengepala, kandungan

  • Caching


Kelemahan utama pengimbang beban L7

  • Overhed tambahan disebabkan oleh pengekalan dua sambungan TCP, satu antara klien dan pengimbang beban, yang kedua antara pengimbang beban dan pelayan. Selain itu, had sambungan TCP pengimbang beban perlu dipertimbangkan
  • Kurang selamat kerana pengimbang beban mesti mengetahui sijil untuk dapat menyahsulit data dan membuat keputusan penghalaan


Kesimpulan

Pengimbang beban ialah komponen penting apabila penskalaan mendatar digunakan untuk mengendalikan sistem trafik tinggi. Terdapat dua jenis pengimbang beban utama L4 dan L7.


  1. Pengimbang beban L4 adalah lebih selamat dan berprestasi kerana batasan membuat keputusan yang bijak

  2. Pengimbang beban L7 beroperasi dengan cara untuk menyediakan keputusan penghalaan pintar kerana kos kecekapan dan keselamatan


Memilih jenis yang sesuai bergantung pada keperluan sistem dan harus dipertimbangkan dengan teliti dengan keseimbangan yang munasabah dalam menggunakan prinsip keselamatan dan menghapuskan kesesakan prestasi.


Juga diterbitkan di sini.