我們查詢注冊中心獲得了某個服務的可用節點列表，我們需要從可用節點列表中選擇一個發起調用，這就是負載均衡的所用了。
需要考慮兩個因素，⼀個是要考慮調⽤的均勻性，也就是要讓每個節點都接收到調⽤，發揮所有節點的作⽤，另⼀個是要考慮調⽤的性能，也就是哪個節點響應最快，優先調⽤哪個節點。
常見的負載均衡算法
隨機算法(偽隨機)
隨機算法，顧名思義就是從可⽤的服務節點中，隨機挑選⼀個節點來訪問。
在實現時，隨機算法通常是通過⽣成⼀個隨機數來實現，⽐如服務有10個節點，那么就每⼀次⽣成⼀個1～10之間的隨機數， 假設⽣成的是2，那么就訪問編號為2的節點。
采⽤隨機算法，在節點數量⾜夠多，並且訪問量⽐較⼤的情況下，各個節點被訪問的概率是基本相同的。
改算法的核心就是獲取一個不超過服務節點列表大小的隨機整數。
int idx = (int) (ThreadLocalRandom.current().nextDouble() * servicesList.size()); 如何實現真隨機
霍金有句名言：“誰跟我提薛定諤的貓，我就去拿我的槍”。因為在我們的宏觀世界中薛定諤的貓其實是一個很荒謬的
真理，這只貓既是活着的又是死的，在沒有開箱之前，一切都是不確定的，同時，我覺得這才是真隨機，不同於計算機中的隨機數生成，因為大多數語言的隨機數生成是基於時鍾的，例如c中的srand就是與計算機目前的時刻與1970年1月1日0時0分0秒之間的時間差有關。
假如說我對於時間的掌控足夠強大，我就可以在某個特定時刻發起調用，這樣使用隨機調用的負載均衡算法到底調用了哪個節點，當然就在我的掌控之中了。
所以說在我們的宏觀世界，一切所謂的隨機都是不存在的，拉普拉斯妖可以根據現有的狀態得到我們所謂的隨機值。
那么在微觀世界呢？ 記得在高中物理中，我們學到過光的波粒二象性，光既是波又是粒子，仔細一想，細思極恐，你既是男人又是女人，沒有驗身之前你有男女太監三種狀態，就好像薛定諤的貓，沒有開箱前有死活兩種狀態。這是愛因斯坦發現的，記得課本上說的是使用了雙縫實驗。在探測儀觀察的情況下光是粒子，只通過單縫，在沒觀察的情況下是波，通過雙縫。至於粒子到底通過哪一夾縫，這才是真正的隨機。
對於物理學家來說，這種量子隨機性是宇宙唯一的隨機性，是物理定律不能預測的結果。
建議各位妄圖調度方便而使用隨機算法的人，先去搞一個光子發射設備，放在計算機里面用來實現隨機算法。
輪詢算法
輪詢算法，顧名思義就是按照固定的順序，把可⽤的服務節點，挨個訪問⼀次。
在實現時，輪詢算法通常是把所有可⽤節點放到⼀個數組⾥，然后按照數組編號，挨個訪問。
⽐如服務有10個節點，放到數組⾥就是⼀個大小為10的數組，這樣的話就可以從序號為0的節點開始訪問，訪問后序號⾃動加1，下⼀次就會訪問序號為1的 節點，以此類推。
輪詢算法能夠保證所有節點被訪問到的概率是相同的。
當然，在我們現實生活中，可能我們不同服務節點的性能不同，我們需要根據其能力進行調度。
加權輪詢算法
輪詢算法能夠保證所有節點被訪問的概率相同，⽽加權輪詢算法是在此基礎上，給每個節點賦予⼀個權重，從⽽使每個節點被訪問到的概率不同，權重⼤的節點被訪問的概率就⾼，權重⼩的節點被訪問的概率就⼩。
在實現時，加權輪詢算法是⽣成⼀個節點序列，該序列⾥有n個節點，n是所有節點的權重之和。
在這個序列中，每個節點出現的次數，就是它的權重值。⽐如有三個節點：a、b、c，權重分別是3、2、1，那么⽣成的序列就是{a、a、b、c、b、a}， 這樣的話按照這個序列訪問，前6次請求就會分別訪問節點a三次，節點b兩次，節點c⼀次。從第7個請求開始，⼜重新按照這個序列的順序來訪問節點。
在應⽤加權輪詢算法的時候，要盡可能保證⽣產的序列的均勻，如果⽣成的不均勻會造成節點訪問失衡，⽐如剛才的例⼦，如果⽣成的序列是{a、a、a、b、b、c}，就會導致前3次訪問的節點都是a。
最少活躍連接算法
最少活躍連接算法，顧名思義就是每⼀次訪問都選擇連接數最少的節點。
因為不同節點處理請求的速度不同，使得同⼀個服務消費者同每⼀個節點的連接數都不相同。
連接數⼤的節點，可以認為是處理請求慢，⽽連接數小的節點，可以認為是處理請求快。所以在挑選節點時，可以以連接數為依據，選擇連接數最少的節點訪問。
在實現時，需要記錄跟每⼀個節點的連接數，這樣在選擇節點時，才能⽐較出連接數最⼩的節點。
⼀致性hash算法
⼀致性hash算法，是通過某個hash函數，把同⼀個來源的請求都映射到同⼀個節點上。⼀致性hash算法最⼤的特點就是同⼀個來源的請求，只會映射到同⼀個節點上，可以說是具有記憶功能。只有當這個節點不可⽤時，請求才會被分配到相鄰的可⽤節點上。
總結
上面五種負載均衡算法分別可以應用在不同的場景，最近正好在寫Zeus的負載均衡策略，考慮之后決定使用改造后的加權輪詢算法，在每一個client中會有一個定時任務，去獲取所有節點的近期訪問的性能統計，根據性能快慢，把服務節點按照二八分為20%慢節點80快節點，動態調整權重。