如何用 go 实现加权轮询算法？①定义 node 结构体，包含名称、原始权重和当前剩余权重；②构建 weightedroundrobin 管理节点列表与总权重；③每次选择当前权重最高的节点并减去总权重，实现流量分配；④通过 addnode 添加节点，next() 方法选择目标节点；⑤在反向代理或服务发现中调用 next() 获取目标地址；注意事项包括动态调整权重、并发安全、一致性哈希结合使用及健康检查机制。
在 Golang 网络编程中，负载均衡是提升服务可用性和性能的关键技术之一。其中，加权轮询（Weighted Round Robin）是一种常见的调度算法，它能根据后端服务器的处理能力分配不同比例的流量。本文直接讲重点：如何用 Go 实现一个简单的加权轮询算法。
什么是加权轮询？
加权轮询是在普通轮询基础上引入了“权重”的概念。每个后端节点可以配置一个整数权重，表示其相对处理能力。比如 A 的权重是 2，B 是 1，那么每轮请求依次发给 A、A、B，这样 A 处理的请求数量就是 B 的两倍。
这种方式适合后端节点性能不均的情况，例如有的机器配置高，有的低。
立即学习“go语言免费学习笔记（深入）”；
如何实现加权轮询算法？
实现加权轮询的核心逻辑是：
- 每个节点维护当前剩余权重和原始权重
- 每次选择剩余权重最大的节点
- 使用完该节点后，减少其剩余权重
- 当所有节点剩余权重都为 0 时，重置剩余权重
下面是一个简化但实用的实现思路：
type Node struct {
Name string
Weight int // 原始权重
curWeight int // 当前剩余权重
}
type WeightedRoundRobin struct {
nodes []*Node
total int
}
func (w *WeightedRoundRobin) AddNode(name string, weight int) {
w.nodes = append(w.nodes, &Node{
Name: name,
Weight: weight,
curWeight: weight,
})
w.total += weight
}
func (w *WeightedRoundRobin) Next() *Node {
var selected *Node
for _, node := range w.nodes {
node.curWeight += node.Weight
if selected == nil || node.curWeight > selected.curWeight {
selected = node
}
}
if selected != nil {
selected.curWeight -= w.total
return selected
}
return nil
}这段代码中，Next() 方法每次选出当前权重最高的节点，并在其权重中减去总权重，从而达到“轮流”的效果。
在实际网络服务中怎么用？
假设你正在写一个反向代理或服务发现组件，可以在每次转发请求前调用 Next() 获取目标地址。比如：
balancer := &WeightedRoundRobin{}
balancer.AddNode("192.168.0.1:8080", 5)
balancer.AddNode("192.168.0.2:8080", 3)
balancer.AddNode("192.168.0.3:8080", 1)
for i := 0; i < 10; i++ {
node := balancer.Next()
fmt.Println("Send to:", node.Name)
}输出大致会是：
Send to: 192.168.0.1:8080 Send to: 192.168.0.1:8080 Send to: 192.168.0.2:8080 Send to: 192.168.0.1:8080 Send to: 192.168.0.2:8080 Send to: 192.168.0.3:8080 Send to: 192.168.0.1:8080 ...
这说明加权轮询起到了预期的作用。
注意事项和优化点
- 权重更新问题：上面的例子是静态权重，实际使用中可能需要动态调整权重，比如根据实时响应时间或负载情况。
-
并发安全：如果多个 goroutine 同时调用
Next()，建议加上锁保护。 - 一致性考量：某些场景下希望相同客户端总是被分发到同一个后端，这时候可以结合 hash 算法，比如一致性哈希 + 加权轮询混合使用。
- 健康检查：节点不可用时应临时剔除，恢复后再重新加入。
基本上就这些。加权轮询本身不复杂，但在实际部署中容易忽略一些细节，比如并发控制和权重动态变化。只要把这些地方处理清楚，就能在 Go 中轻松实现一个简单高效的负载均衡策略。
