负载均衡案例

article/2025/8/25 1:07:06

RabbitMQ集群高可用

1.MQ节点互为镜像

2.HAproxy负载均衡

3.Keeplived高可用

RabbitMQ 的4种集群架构

RabbitMQ 的4种集群架构 - 简书

主备模式(高可用)

主节点提供读写,备用节点不提供读写。如果主节点挂了,就切换到备用节点,原来的备用节点升级为主节点提供读写服务,当原来的主节点恢复运行后,原来的主节点就变成备用节点,同一时刻只有一个节点在工作(备份节点不能读写)。需要借助HAProxy之类的(VIP模式)负载均衡器来做健康检查和主备切换,底层需要借助共享存储(如SAN设备)。这不是RabbitMQ官方或者开源社区推荐方案,适用于访问压力不是特别大但是又有高可用架构需求(故障切换)的中小规模的系统来使用。首先有一个节点闲置,本身就是资源浪费,其次共享存储往往需要借助硬件存储,或者分布式文件系统。

镜像高可用(高可用,负债均衡)

Mirror 镜像模式,保证 100% 数据不丢失。在实际工作中也是用得最多的,并且实现非常的简单,一般互联网大厂都会构建这种镜像集群模式。mirror 镜像队列,目的是为了保证 rabbitMQ 数据的高可靠性解决方案,主要就是实现数据的同步,一般来讲是2-3个节点实现数据同步。对于 100% 数据可靠性解决方案,一般是采用 3 个节点。

用KeepAlived 做了 HA-Proxy 的高可用,然后有 3 个节点的 MQ 服务,消息发送到主节点上,主节点通过 mirror 队列把数据同步到其他的 MQ 节点,这样来实现其高可靠。

1.搭建普通集群(消息分片,数据单点故障,有节点高可用)

百度安全验证

集群只共享元数据,数据只保存到其中一个节点,连接RabbitMQ时无法使用类似192.168.80.205:5672,192.168.80.206:5672这种语法实现负载均衡,只能写一个ip:port,这样所有的数据都会存储在这个节点上面,无法实现负载均衡。

2.配置镜像队列(有镜像高可用,没有负债均衡)

RabbitMQ + 镜像队列 + HAProxy 实现负载均衡的集群_穿城大饼的博客-CSDN博客

给队列加镜像需要慎重

3.Haproxy负载均衡(Haproxy单点故障)

4.keepalived(全高可用)

多活模式(集群数据复制)

集群之间异地数据复制,不分数据共享,依赖federation插件

远程模式(集群数据复制)

集群异地复制,配置复杂,依赖shovel插件

  • 您不必处理大数据,并且更喜欢方便的内置 UI 进行监控
  • 不需要自动复制队列
  • 消息没有多个订阅者 - 由于与作为日志的 Kafka 不同,RabbitMQ 是一个队列,一旦消费和确认到达,消息就会被删除
  • 如果您有对消息使用通配符和正则表达式的要求
  • 如果定义消息优先级很重要


 

MYSQL集群

MMM

MHA

读写分离

Mysql主从,Mycat读写分离,HAProxy负债均衡

https://blog.csdn.net/weixin_45600622/category_9440191.html


http://chatgpt.dhexx.cn/article/4Sq2adLk.shtml

相关文章

防火墙负载均衡解决方案

近期项目当中遇到了防火墙负载均衡的需求,拿出来和大家探讨一下。 用户在项目中采购了4台国内某知名品牌的高端防火墙,原本打算通过防火墙自身集群的方式实现防火墙的负载分担和冗余部署,可惜防火墙厂商的答复是如果采用集群的方式&#xff0…

docker 应用负载均衡解决方案

项目中使用SpringBoot开发web应用,打包部署采用docker;之前看到通过docker-compose 来扩展容器,通过scale命令来扩展容器: docker-compose scale test-app4 但是试了下发现直接报错了,端口冲突,因为每个docker容器都…

Oracle 负载均衡解决方案

为什么要运用负载均衡 一般我们在数据库中的操作无非不就是增删改查这四个基本操作,最终数据库和磁盘文件打交道也就是读写操作。如果采用传统的一台服务器去运作,可能会在读写高峰时会出现一些无法预知的问题。这些我们或许可以通过优化应用代码结构&a…

两台web服务器实现负载均衡的解决方案

写在前面:如果此文有幸被某位朋友看见并发现有错的地方,希望批评指正。如有不明白的地方,愿可一起探讨。 总体方案 平台规划拓扑图如下: 总体解决方案: 两台web服务通过DNS实现负载均衡,共享NFS服务器&…

负载均衡的硬件与软件实现方案

一、什么是负载均衡 负载均衡是分摊到多个操作单元上进行执行,例如Web服务器、FTP服务器、企业关键应用服务器和其它关键任务服务器等,从而共同完成工作任务。建立在现有网络结构之上,它提供了一种廉价有效透明的方法扩展网络设备和服务器的带…

分布式及负载均衡解决方案

一、问题域 nginx、lvs、keepalived、f5、DNS轮询,每每提到这些技术,往往讨论的是接入层的这样几个问题: 1)可用性:任何一台机器挂了,服务受不受影响 2)扩展性:能否通过增加机器&…

阿里云的网站负载均衡解决方案

2015年5月,国务院印发了《关于进一步做好新形势下就业创业工作的意见》,全国范围内刮起了“大众创业,万众创新”的高潮。于是中关村电子市场悄然改成了创业大街,美食街变成了创业公社,就连公司的地下室也一夜之间成了创…

实现负载均衡的2种解决方案

注: NAT 为网络地址转移, 访问进来时, 最初以LVS将访问进行地址转移到内部的Nginx, 由 Nginx 进行负载均衡

mysql负载均衡完美解决方案

1.环境: mysql 5 ubuntu10.04 x86_64 mdb1 eth0 192.168.5.11 mdb2 eth0 192.168.5.12 sdb1 eth0 192.168.5.21 sdb2 eth0 192.168.5.22 sdb3 eth0 192.168.5.23 sdb4 eth0 192.168.5.24 haproxy…

负载均衡-

常见的负载均衡系统包括 3 种:DNS 负载均衡、硬件负载均衡和软件负载均衡。 DNS 负载均衡 DNS 是最简单也是最常见的负载均衡方式,一般用来实现地理级别的均衡。例如,北方的用户访问北京的机房,南方的用户访问深圳的机房。DNS 负…

负载均衡的解决方案

负载均衡的解决方案 前言 我们在设计分布式系统的时候往往需要考虑系统的伸缩性,这里所说的伸缩性指的是我们可以通过添加服务器节点的方式来提升我们整个系统的并发能力,这种提高伸缩性的基础原理其实就是我们所说的——负载均衡。 正文 负载均衡 …

负载均衡及解决方案

目录 一、什么是负载均衡? 二、负载均衡方案有几种? 1、基于DNS负载均衡 2、基于硬件负载均衡 3、基于软件负载均衡 三、常用的均衡算法有哪些? 1、轮询策略 2、负载度策略 3、响应策略 4、哈希策略 一、什么是负载均衡?…

吃透这份Github点赞120k的Spring全家桶笔记Offer拿到手软

Spring框架自诞生以来一直备受开发者青睐,有人亲切的称之为:Spring 全家桶。它包SpringMVC、SpringBoot、Spring Cloud、Spring Data等解决方案。 很多研发人员把spring看作心目中最好的java项目,没有之一。Spring系列包含非常多的项目&…

分布式事务及解决方案

1、分布式事务 分布式事务就是在一个交易中各个服务之间的相互调用必须要同时成功或者同时失败,保持一致性和可靠性。在单体项目架构中,在多数据源的情况下也会发生 分布式事务问题。本质上来说,分布式事务就是为了保证不同数据库的数据一致性…

负载均衡方案

负载均衡方案 1、负载均衡概念 一台普通服务器的处理能力是有限的,假如能达到每秒几万个到几十万个请求,但却无法在一秒钟内处理上百万个甚至更多的请求。但若能将多台这样的服务器组成一个系统,并通过软件技术将所有请求平均分配给所有服务…

负载均衡的多种解决方案

以下为原文 当一个Web系统从日访问量10万逐步增长到1000万,甚至超过1亿的过程中,Web系统承受的压力会越来越大,在这个过程中,我们会遇到很多的问题。为了解决这些性能压力带来问题,我们需要在Web系统架构层面搭建多个层…

信息熵笔记

观察两个事件同时发生时获得的信息量应该等于观察到事件各自发生时获得的信息之和? 两个事件的信息量之和等于两个事件和的信息量? 两个随机变量熵的和大于两个随机变量和的熵 图片引自:https://blog.csdn.net/luoxuexiong/article/details/…

一文弄懂信息熵

引言 今天我们来探讨一下信息熵是怎么来的。 信息熵 信息的价值在于消除事件的不确定性,那事件的不确定性要怎么度量呢?答案就是信息熵(information entropy)。 比如你告诉别人你中了500万彩票,别人会大吃一惊,因为他被消除了…

信息熵 entropy

熵 最早是由热力学定义的一个函数,是普朗克来中国讲学的时候引入的。英文是“entropy”这个字,中文词汇中没有相关的字眼。当时是一个有名的姓胡的学者作为普朗克的翻译。因为这个熵“S”是定义为热量Q与温度的比值,所以当时他翻译是立刻创造…

信息熵学习笔记

简介 在信息论中,熵(entropy)是接收的每条消息中包含的信息的平均量,又被称为信息熵、信源熵、平均自信息量。 熵最好理解为不确定性的量度而不是确定性的量度,因为越随机的信源的熵越大。 比较不可能发生的事情&…