多台异地服务器如何实现负载均衡？

一般用的就用简单的轮询就好了
调度算法
静态方法：仅根据算法本身实现调度；实现起点公平，不管服务器当前处理多少请求，分配的数量一致
动态方法：根据算法及后端RS当前的负载状况实现调度；不管以前分了多少，只看分配的结果是不是公平
静态调度算法(static Schedu)（4种）:
(1)rr (Round Robin) :轮叫,轮询
说明：轮询调度算法的原理是每一次把来自用户的请求轮流分配给内部中的服务器，从1开始，直到N(内部服务器个数)，然后重新开始循环。算法的优点是其简洁性，它无需记录当前所有连接的状态，所以它是一种无状态调度。缺点：是不考虑每台服务器的处理能力。
(2)wrr (Weight Round Robin) :加权轮询(以权重之间的比例实现在各主机之间进行调度)
说明：由于每台服务器的配置、安装的业务应用等不同，其处理能力会不一样。所以，我们根据服务器的不同处理能力，给每个服务器分配不同的权值，使其能够接受相应权值数的服务请求。
(3)sh (Source Hashing) : 源地址hash实现会话绑定sessionaffinity
说明：简单的说就是有将同一客户端的请求发给同一个real server,源地址散列调度算法正好与目标地址散列调度算法相反，它根据请求的源IP地址，作为散列键（Hash Key）从静态分配的散列表找出对应的服务器，若该服务器是可用的并且没有超负荷，将请求发送到该服务器，否则返回空。它采用的散列函数与目标地址散列调度算法的相同。它的算法流程与目标地址散列调度算法的基本相似，除了将请求的目标IP地址换成请求的源IP地址。
(4)dh : (Destination Hashing) : 目标地址hash
说明：将同样的请求发送给同一个server,一般用于缓存服务器，简单的说，LB集群后面又加了一层，在LB与realserver之间加了一层缓存服务器，当一个客户端请求一个页面时,LB发给cache1,当第二个客户端请求同样的页面时，LB还是发给cache1,这就是我们所说的，将同样的请求发给同一个server,来提高缓存的命中率。目标地址散列调度算法也是针对目标IP地址的负载均衡，它是一种静态映射算法，通过一个散列（Hash）函数将一个目标IP地址映射到一台服务器。目标地址散列调度算法先根据请求的目标IP地址，作为散列键（Hash Key）从静态分配的散列表找出对应的服务器，若该服务器是可用的且未超载，将请求发送到该服务器，否则返回空。
动态调度算法(dynamic Schedu)（6种）:
(1)lc (Least-Connection Scheduling): 最少连接
说明：最少连接调度算法是把新的连接请求分配到当前连接数最小的服务器，最小连接调度是一种动态调度短算法，它通过服务器当前所活跃的连接数来估计服务器的负载均衡，调度器需要记录各个服务器已建立连接的数目，当一个请求被调度到某台服务器，其连接数加1，当连接中止或超时，其连接数减一，在系统实现时，我们也引入当服务器的权值为0时，表示该服务器不可用而不被调度。此算法忽略了服务器的性能问题，有的服务器性能好，有的服务器性能差，通过加权重来区分性能，所以有了下面算法wlc。
简单算法：active256+inactive (谁的小，挑谁)
(2)wlc (Weighted Least-Connection Scheduling):加权最少连接
加权最小连接调度算法是最小连接调度的超集，各个服务器用相应的权值表示其处理性能。服务器的缺省权值为1，系统管理员可以动态地设置服务器的权限，加权最小连接调度在调度新连接时尽可能使服务器的已建立连接数和其权值成比例。由于服务器的性能不同，我们给性能相对好的服务器，加大权重，即会接收到更多的请求。
简单算法：（active256+inactive）/weight（谁的小，挑谁）
(3)sed (shortest expected delay scheduling):最少期望延迟
说明：不考虑非活动连接，谁的权重大，我们优先选择权重大的服务器来接收请求，但会出现问题，就是权重比较大的服务器会很忙，但权重相对较小的服务器很闲，甚至会接收不到请求，所以便有了下面的算法nq。
基于wlc算法，简单算法：（active+1)256/weight （谁的小选谁）
(4)nq (Never Queue Scheduling): 永不排队
说明：在上面我们说明了，由于某台服务器的权重较小，比较空闲，甚至接收不到请求，而权重大的服务器会很忙，所此算法是sed改进，就是说不管你的权重多大都会被分配到请求。简单说，无需队列，如果有台real server的连接数为0就直接分配过去，不需要在进行sed运算。
(5)LBLC(Locality-Based Least Connections) :基于局部性的最少连接
说明：基于局部性的最少连接算法是针对请求报文的目标IP地址的负载均衡调度，主要用于Cache集群系统，因为Cache集群中客户请求报文的目标IP地址是变化的，这里假设任何后端服务器都可以处理任何请求，算法的设计目标在服务器的负载基本平衡的情况下，将相同的目标IP地址的请求调度到同一个台服务器，来提高服务器的访问局部性和主存Cache命中率，从而调整整个集群系统的处理能力。
(6)LBLCR(Locality-Based Least Connections with Replication) :基于局部性的带复制功能的最少连接
说明：基于局部性的带复制功能的最少连接调度算法也是针对目标IP地址的负载均衡，该算法根据请求的目标IP地址找出该目标IP地 址对应的服务器组，按“最小连接”原则从服务器组中选出一台服务器，若服务器没有超载，将请求发送到该服务器；若服务器超载，则按“最小连接”原则从这个集群中选出一台服务器，将该服务器加入到服务器组中，将请求发送到该服务器。同时，当该服务器组有一段时间没有被修改，将最忙的服务器从服务器组中删除， 以降低复制的程度。

鲁大师估算的是主要部件的功耗，实际上因为还有cpu散热风扇机箱散热风扇多块硬盘等原因，主机满载时实际功耗确实可能会更大一点，但是也大不了多少，如图，再怎么大也不会超过200w。配置ups的话，如果只是这个主机和显示器，500va的都可以的，关键是电池容量要配够。

输出功率=输出电压X输出电流，这两个参数在电源的铭牌上都应该有的。\r\n输入功率=输出功率/效率。\r\n比如，开关电源是12V29A的，负载是12V1A。\r\n\r\n12V29A是指的开关电源的额定输出功率，12V1A指的是实际消耗功率。\r\n浪费不浪费则取决于开关电源的效率和实际消耗的功率。假设开关电源的效率为085，那么12V1A输出时输入功率为12/085=1412（W），也就是说大约有1412-12=212（W）的功率浪费了。\r\n如果开关电源带有待机功能的话，按国际标准，空载时功耗不得超过1W。\r\n24V6A是开关电源最大的使用功率，这部分功率还要加上损耗的功率才会等于输入功率220V16A，这中间的损耗功率，把两者相减就是了。

20台服务器额定功率为12kw 因ups功率必须大于负载功率且运行最佳负载量为60%-80%之间，故楼主可采用15-20kva ups 主机功因08可带负载12kw-16kw 经简单功率计算 采用20kva ups 负载为80%时功率为128kw 可满足楼主 采用15kva ups 负载在80%时 功率为96kw 再不考虑服务器有效功率的情况下 是无法满足功率要求 故楼主应该选则20kva ups
貌似这个方面没有什么特殊公式来计算 要是有也是会复杂些 所以还是用这种推算的方法好记点 不知楼下还有没有更好的计算方法 请赐教

亲，加负载计算最大平均输出功率是为了确保电路能够在额定输入电压和额定环境温度下正常工作。因为在没有负载的情况下，输出功率会比额定的更高，这样会导致电路功耗增加、发热增加，以及其他不稳定的状况。通过负载计算，可以确保电路能够在不同的负载条件下正常工作，并且在不过载的情况下，输出功率能够稳定在最大平均输出功率处。

负载均衡
先来简单了解一下什么是负载均衡，单从字面上的意思来理解就可以解释N台服务器平均分担负载，不会因为某台服务器负载高宕机而某台服务器闲置的情况。那么负载均衡的前提就是要有多台服务器才能实现，也就是两台以上即可。
测试环境
由于没有服务器，所以本次测试直接host指定域名，然后在VMware里安装了三台CentOS。
测试域名 ：acom
A服务器IP ：1921685149 （主）
B服务器IP ：192168527
C服务器IP ：1921685126
部署思路
A服务器做为主服务器，域名直接解析到A服务器（1921685149）上，由A服务器负载均衡到B服务器（192168527）与C服务器（1921685126）上。
域名解析
由于不是真实环境，域名就随便使用一个acom用作测试，所以acom的解析只能在hosts文件设置。
打开：C:WindowsSystem32driversetchosts
在末尾添加
1921685149 acom
保存退出，然后启动命令模式ping下看看是否已设置成功

从截图上看已成功将acom解析到1921685149IP
A服务器nginxconf设置
打开nginxconf，文件位置在nginx安装目录的conf目录下。
在>西部数码负载均衡EasySLB服务，即在多台云主机间实现应用程序流量的自动分配。可实现故障自动切换，提高业务可用性，并提高资源利用率。
西部数码负载均衡只需要在控制台一键即可添加后端服务器，系统将自动设置好相关路由与网关，让负载均衡集群的搭建变得轻而易举

---