节点负载均衡概述
节点负载均衡在单个节点上分配任务,利用多核处理器的资源，提高处理能力，适用于需要高性能和高吞吐量的场景，如电商平台和视频流服务。
工作原理
通过将任务分配给多个进程或线程,同一节点内的资源（如CPU、内存）被充分利用，任务分散到多个上下文中，减少处理延迟，但也需权衡上下文切换的开销。
优缺点
优点：
- 高效利用资源,提高吞吐量。
- 适合状态维护的任务,进程共享内存。
- 无需额外硬件,适合资源有限的环境。
缺点：
- 上下文切换增加开销,影响性能。
- 仅处理局部任务,需外部机制协调节点间任务分配。
- 可能导致内存竞争,影响效率。
应用场景
- 处理大量短期任务。
- 需要高性能和高吞吐量的场景,如电商订单处理和视频流流媒体请求。
与分布式负载均衡的区别
分布式负载均衡跨节点分配任务,节点负载均衡在单个节点内部处理任务，适合任务分解和处理在同一节点完成。
实现方式
- 多进程：资源丰富但上下文切换开销大。
- 多线程：轻量级，适合I/O密集型任务。
- 框架支持：如Nginx的多工模式和Python的多线程/多进程。
性能考量
- 任务类型：I/O密集型任务适合线程，CPU密集型适合进程。
- 动态调整：需调度机制，如cgroups或自定义任务队列，根据负载动态分配任务。
安全性
需确保进程间的资源安全,防止信息泄露，保证任务处理的安全性。
调度算法
- 轮询算法：简单，但可能不均衡。
- 随机算法：简单高效，适合任务分配。
- 动态调整算法：根据负载调整任务分配策略。
示例
Web服务器处理请求,使用节点负载均衡在同一节点分配任务，提高处理速度，多线程或多进程同时处理请求，避免成为瓶颈。
节点负载均衡在单个节点内部分配任务,通过多进程或多线程提高效率，适用于需要高性能的场景，结合分布式负载均衡，实现整体高效负载均衡。
