静态负载均衡算法的简单说明
实现的问题：
目前有N个资源Scale1~ScaleN，且这N个资源正在处理个数不等的请求，这时发来M个请求。
如何把M个请求分发到这N个资源中，使得分发完之后这N个资源所处理的请求是均衡的。
名词定义
Scale-资源
Order-请求
compId-每个资源的唯一标识
compId数组-compIdArr
根据每个Scale目前所处理的Order个数多少，从小到大把其对应的compId记录在数组中
负载分配数组-dispatchCountArr
对于dispatchCountArr[i]，它的值表示的是可以分发的Order的个数，
分发的compId的范围是在compIdArr[0]到compIdArr[i]之间。
例，如果有3个Scale，它们的compId和当前的Order个数分别为
Scale1：1，Scale2：5，Scale3：12
那么根据这组数据可以构造一个负载分配数组
dispatchCountArr[0]=(5-1)*1=4 表示可以在Scale1上再分配4个Order
dispatchCountArr[1]=(12-5)*2=14 表示可以在Scale1和Scale2上平均分配14个Order
dispatchCountArr[2]=整型最大值表示可以在Scale1~Scale3上再平均分配任意个Order
当有多个Order订单，需要为每个都分配一个compId时，
1.先从dispatchCountArr[0]开始，如果dispatchCountArr[0]不为0，说明可以把这个订单指派给Scale1，
并且dispatchCountArr[0]的值减1；
2.如果发现dispatchCountArr[0]已经为0，则继续看dispatchCountArr[1]，
如果大于0，说明可以再从Scale1和Scale2中取一个进行指派，用dispatchCountArr[1] mod 2产生一个0到1
的index，意思是在Scale1和Scale2之间进行平均分配，取compIdArr[index]作为分配的compId，
同时dispatchCountArr[1]减1
3.如果dispatchCountArr[1]也被减为0，那么继续看dispatchCountArr[2]，类似2中的操作，
用dispatchCountArr[2] mod 3产生一个0到2的index，意思是在Scale1到Scale3
之间进行平均指派，
取compIdArr[index]作为compId，同时dispatchCountArr[2]减1
4.重复3中的操作，直到所有的Order都已经被分配了一个compId
[Java]代码
package org.zmy.util;
import java.util.ArrayList;
/**
* Order负载均衡实现类
*
*/
public class OrderDispatcher {
private String[] compIdArr = null; //参加负载均衡的compId数组
private int[] dispatchCountArr = null; //负载分配数组
public OrderDispatcher() {
}
/**
* 初始化compId数组和负载分配数组
* @param scaleStaticList
*/
public void init(ArrayList<ScaleStaticsValue> scaleStaticList) {
if (!scaleStaticList.isEmpty()) {
compIdArr = new String[scaleStaticList.size()];
dispatchCountArr = new int[scaleStaticList.size()];
}
/**
* 静态负载均衡算法的简单说明
* 实现的问题：
* 目前有N个资源Scale1~ScaleN，且这N个资源正在处理个数不等的请求，这时发来M个请求。
* 如何把M个请求分发到这N个资源中，使得分发完之后这N个资源所处理的请求是均衡的。
*
* 名词定义
* Scale-资源
* Order-请求
* compId-每个资源的唯一标识
*
* compId数组-compIdArr
* 根据每个Scale目前所处理的Order个数多少，从小到大把其对应的compId记录在数组中
*
* 负载分配数组-dispatchCountArr
* 对于dispatchCountArr[i]，它的值表示的是可以分发的Order的个数，
* 分发的compId的范围是在compIdArr[0]到compIdArr[i]之间。
* 例，如果有3个Scale，它们的compId和当前的Order个数分别为
* Scale1：1，Scale2：5，Scale3：12
* 那么根据这组数据可以构造一个负载分配数组
* dispatchCountArr[0]=(5-1)*1=4 表示可以在Scale1上再分配4个Order
* dispatchCountArr[1]=(12-5)*2=14 表示可以在Scale1和Scale2上平均分配14个Order
* dispatchCountArr[2]=整型最大值表示可以在Scale1~Scale3上再平均分配任意个Order
*
* 当有多个Order订单，需要为每个都分配一个compId时，
* 1.先从dispatchCountArr[0]开始，如果dispatchCountArr[0]不为0，说明可以把这个订单指派给Scale1，
* 并且dispatchCountArr[0]的值减1；
*
* 2.如果发现dispatchCountArr[0]已经为0，则继续看dispatchCountArr[1]，
* 如果大于0，说明可以再从Scale1和Scale2中取一个进行指派，用dispatchCountArr[1] mod 2产生一个0到1
* 的index，意思是在Scale1和Scale2之间进行平均分配，取compIdArr[index]作为分配的compId，
* 同时dispatchCountArr[1]减1
*
* 3.如果dispatchCountArr[1]也被减为0，那么继续看dispatchCountArr[2]，类似2中的操作，
* 用dispatchCountArr[2] mod 3产生一个0到2的index，意思是在Scale1到Scale3之间进行平均指派，
* 取compIdArr[index]作为compId，同时dispatchCountArr[2]减1
*
* 4.重复3中的操作，直到所有的Order都已经被分配了一个compId
*/
int size = scaleStaticList.size();
for (int i = 0; i < size; i++) {
compIdArr[i] = scaleStaticList.get(i).compId;
if (i == size - 1) {
//the last
dispatchCountArr[i] = Integer.MAX_V ALUE;
} else {
dispatchCountArr[i] =
scaleStaticList.get(i + 1).orderCnt
- scaleStaticList.get(i).orderCnt;
dispatchCountArr[i] = dispatchCountArr[i] * (i + 1);
}
}
}
/**
* 根据负载均衡算法获取一个分配的compId
* @return
*/
public String getDispatchedcompId() {
String compId = null;
if (dispatchCountArr == null) {
return compId;
}
for (int i = 0; i < dispatchCountArr.length; i++) {
if (dispatchCountArr[i] == 0) {
//说明compIdArr[0]~compIdArr[i]已经分配完，需要检查下一个
continue;
} else {
//否则，在compIdArr[0]~compIdArr[i]的范围内获取一个compId
int index = 0;
if (i != 0) {
index = dispatchCountArr[i] % (i + 1);
}
compId = compIdArr[index];
dispatchCountArr[i]--;
break;
}
}
return compId;
}
public class ScaleStaticsValue {
public ScaleStaticsValue() {
}
public String compId = null; //compId
public int orderCnt = 0; //order的个数}
}。