zoukankan      html  css  js  c++  java
  • nginx 负载均衡

      upstream myServer{

        server 192.168.1.100:8080;

        server 192.168.1.101:8080; 

        server 192.168.1.102:8080 down;

        server 192.168.1.103:8080 weight=5;

        server 192.168.1.104:8080 backup; 

        server 192.168.1.105:8080 weight=2 max_fails=2 fail_timeout=30s;

      }

      需要使用的节点添加

      proxy_pass http://myServer;

    一、nginx支持的分配方式

      1、轮询(默认) 
          每个请求按时间顺序逐一分配到不同的后端服务器,如果后端服务器down掉,能自动剔除。 
      2、weight 
          指定轮询几率,weight和访问比率成正比,用于后端服务器性能不均的情况。 
      3、ip_hash 
          每个请求按访问ip的hash结果分配,这样每个访客固定访问一个后端服务器,可以解决session的问题。  
      4、fair(第三方) 
          按后端服务器的响应时间来分配请求,响应时间短的优先分配。  
      5、url_hash(第三方)

    二、参数说明

      down:  表示暂时不参与负载

      weight:  表示权重,权值越大越大机率被访问

      backup:  其它非backup机器down或者忙的时候请求backup机器

      max_fails:  允许请求失败的次数默认为1.当超过最大次数时,返回proxy_next_upstream 模块定义的错误

      fail_timeout:max_fails 次失败后,暂停的时间。

    三、负载均衡session共享

      1、不使用session,换作cookie

      2、ip_hash,可以实现同一个ip请求定向到同一个后端

      upstream myServer{

        server 192.168.1.100:8008;

        server 192.168.1.103:8080;

        ip_hash;

      }

      备注:nginx服务器是最前端服务器。nginx后端不能有其它负载均衡

      3、upstream_hash

        可见这篇文档:http://www.sudone.com/nginx/nginx_url_hash.html

      

        

  • 相关阅读:
    《VC驿站《PE文件格式解析》》
    《逆向分析教程》
    《逆向工程核心原理.pdf【2】》
    《逆向工程核心原理.pdf》
    一个完整的机器学习项目在Python中的演练(一)
    粒子群优化算法(PSO)之基于离散化的特征选择(FS)(三)
    Tensorboard详解(下篇)
    Tensorboard 详解(上篇)
    基于Doc2vec训练句子向量
    使用Keras进行深度学习:(七)GRU讲解及实践
  • 原文地址:https://www.cnblogs.com/jianxie/p/3991285.html
Copyright © 2011-2022 走看看