乐闻世界logo
5月28日 09:24

CDN 的负载均衡策略有哪些？如何实现 CDN 的高可用？

面试核心结论

CDN 负载均衡的核心策略分为两层：全局调度层（GSLB/DNS）决定用户访问哪个边缘节点，本地均衡层（L4/L7 LB）决定节点内部请求分发到哪台服务器。主要策略包括地理位置路由、就近性路由、轮询、加权轮询、最少连接和一致性哈希。实现高可用的关键在于：健康检查 + 故障自动转移 + 熔断降级 + 多活冗余，缺一不可。

追问方向：GSLB 的 DNS 调度流程是怎样的？一致性哈希在 CDN 缓存中为什么重要？Anycast 和 DNS 调度有什么区别？

CDN 负载均衡的两层架构

理解 CDN 负载均衡，首先要分清两层调度：

  • 全局调度（GSLB）：当用户发起请求时，DNS 解析通过 CNAME 指向 CDN 的 GSLB，GSLB 根据用户 IP、节点负载、网络质量等选择最优边缘节点，返回该节点的 IP。这一层决定"用户去哪个机房"。
  • 本地负载均衡（SLB）：请求到达边缘节点后，节点内部的负载均衡器（Nginx、HAProxy 等）将请求分发到后端的缓存服务器集群。这一层决定"请求去哪台机器"。

面试时很多候选人只讲本地负载均衡，忽略了 GSLB 这一层，这是不够的。CDN 的核心优势——就近接入，正是由 GSLB 实现的。

六种核心负载均衡策略

地理位置路由（Geo-based Routing）

根据用户 IP 所属地域，将请求调度到最近的边缘节点。这是 CDN 最基础也最常用的全局调度策略。

实现机制：GSLB 维护一张 IP 地址段到地理位置的映射表（GeoIP 数据库），用户 DNS 请求到达后，查询映射表确定用户所在区域，返回该区域对应节点的 IP。

局限性：地理位置近不等于网络延迟低。比如跨运营商访问时，物理距离近但网络绕行严重。因此通常和就近性路由配合使用。

就近性路由（Proximity-based Routing）

不依赖地理数据，而是通过实际网络测量选择最优节点。

测量方式：

  • 主动探测：GSLB 定期从各节点向探测点发送 ICMP/TCP 探测，收集 RTT 数据
  • 被动测量：分析实际用户请求的响应时间，统计各节点的真实服务质量
  • 混合模式：主动探测提供基线数据，被动测量做实时修正

实际生产中混合模式最常见。纯主动探测有探测盲区，纯被动测量冷启动阶段没数据。

一致性哈希（Consistent Hashing）

在 CDN 场景中，一致性哈希的核心价值是提高缓存命中率。

为什么重要：如果用轮询策略，同一 URL 的请求可能落在不同缓存服务器上，导致重复回源。用 URL 做一致性哈希，相同 URL 始终路由到同一台服务器，缓存只需存一份。

关键参数：虚拟节点数。虚拟节点越多，数据分布越均匀，但管理开销也越大。通常设置 100-200 个虚拟节点。

节点变更影响：当节点增减时，一致性哈希只影响相邻虚拟节点上的数据，不会全盘重新分配。相比取模哈希（节点变化时全部重分布），这是巨大优势。

nginx
# Nginx 一致性哈希配置
upstream cdn_cache {
    hash $request_uri consistent;
    server 10.0.0.1:8080;
    server 10.0.0.2:8080;
    server 10.0.0.3:8080;
}

加权轮询（Weighted Round Robin）

为不同性能的服务器分配不同权重，高性能服务器承载更多请求。

nginx
upstream cdn_nodes {
    server 10.0.0.1:8080 weight=5;  # 32核 64G 高配
    server 10.0.0.2:8080 weight=3;  # 16核 32G 中配
    server 10.0.0.3:8080 weight=1;  # 8核 16G 低配
}

权重不是一成不变的。成熟的 CDN 系统会根据服务器实时负载（CPU、内存、连接数）动态调整权重，这叫动态权重调整。

最少连接（Least Connections）

将新请求分发给当前活跃连接数最少的服务器。相比轮询，它适合请求处理时间差异大的场景——轮询只看"分了几个"，最少连接看"还剩多少余力"。

nginx
upstream cdn_nodes {
    least_conn;
    server 10.0.0.1:8080;
    server 10.0.0.2:8080;
    server 10.0.0.3:8080;
}

IP 哈希（IP Hash）

用客户端 IP 做哈希，保证同一用户的请求始终落到同一台服务器。主要用于会话保持场景，但在 CDN 中不如 URL 哈希常用，因为 CDN 主要是无状态的内容分发。

健康检查：高可用的基础

没有可靠的健康检查，负载均衡就是瞎指挥。健康检查分两种：

主动健康检查

LB 定期向后端发送探测请求，判断服务是否正常：

nginx
# Nginx Plus 主动健康检查
upstream cdn_nodes {
    zone health 64k;
    server 10.0.0.1:8080;
    server 10.0.0.2:8080;

    health_check interval=5s fails=3 passes=2 uri=/health;
}

关键参数：

  • interval：探测间隔，正常节点 5-10s，异常节点缩短到 1-2s
  • fails：连续失败几次标记为不健康
  • passes：连续成功几次恢复为健康

被动健康检查

基于实际业务请求的响应判断，不额外发探测：

nginx
upstream cdn_nodes {
    server 10.0.0.1:8080 max_fails=3 fail_timeout=30s;
    server 10.0.0.2:8080 max_fails=3 fail_timeout=30s;
}

max_fails=3 fail_timeout=30s 表示 30 秒内失败 3 次，该节点被标记不可用 30 秒。

生产实践：两种方式配合使用。主动检查发现硬故障（进程挂了、端口不通），被动检查发现软故障（响应变慢、错误率升高）。

高可用架构的关键机制

故障自动转移

当节点被标记不健康后，负载均衡器自动将流量切到健康节点。关键问题是切换速度：

  • DNS 级别的 GSLB 切换依赖 TTL，即使设置很短的 TTL（如 30s），仍有本地 DNS 缓存问题，实际切换可能需要数分钟
  • Anycast 方式切换更快，因为 BGP 路由变化可在秒级生效
  • 本地 SLB 切换最快，通常在 1-2 个探测周期内完成

熔断与降级

当后端持续异常时，快速失败比慢慢等更好：

  • 熔断：错误率超过阈值（如 50%），直接断开，不再向该节点发请求，等一段时间后半开探测
  • 降级：返回缓存内容（stale-while-revalidate）、返回简化版本、或者直接拒绝（比超时等待体验更好）
nginx
# Nginx 熔断配置思路
proxy_connect_timeout 2s;
proxy_read_timeout 5s;
proxy_next_upstream error timeout http_502 http_503;
proxy_next_upstream_timeout 10s;
proxy_next_upstream_tries 2;

proxy_next_upstream 实现了请求级别的自动重试和故障转移。

多活与冗余

单点永远不可靠。CDN 的高可用需要多层次的冗余：

  • 节点级冗余：每个区域至少部署 2 个边缘节点，互为备份
  • 服务器级冗余：节点内部至少 2 台缓存服务器
  • 网络级冗余：多运营商接入（BGP 多线），避免单运营商故障
  • DNS 级冗余：多组权威 DNS，避免 DNS 服务本身成为单点

Anycast 与 DNS 调度的对比

这是面试中经常被追问的进阶问题：

维度DNS 调度（GSLB）Anycast
切换速度分钟级（受 TTL 和缓存影响）秒级（BGP 路由收敛）
精度基于 IP 库，有偏差基于网络拓扑，更精准
运维复杂度相对简单需要 ASN 和 BGP 配置
适用场景大多数 CDN对延迟敏感、需快速故障转移
缓存问题本地 DNS 缓存导致调度不准无此问题

大型 CDN（Cloudflare、Akamai）通常两种方式结合：Anycast 做全局入口，DNS 调度做精细化区域分配。

监控指标与告警

负载均衡不是配置完就完事了，需要持续监控：

核心指标：

  • P50/P95/P99 响应时间：关注长尾延迟，P99 比 P50 更能反映用户体验下限
  • 错误率：5xx 比例超过 0.1% 就需要告警
  • 缓存命中率：低于 80% 说明负载均衡策略或缓存策略有问题
  • 节点可用性：目标 99.99%（年停机约 52 分钟）

告警分级：

  • P1：节点完全不可用 → 立即处理，自动故障转移
  • P2：错误率 > 1% 或 P99 > 5s → 5 分钟内响应
  • P3：缓存命中率下降 > 10% → 工单跟进

面试回答要点

回答这个问题的正确姿势：

  1. 先说两层架构：全局调度（GSLB/Anycast）+ 本地均衡（L4/L7），展示你对 CDN 整体架构的理解
  2. 策略选讲 3-4 个：地理位置路由、一致性哈希、最少连接、加权轮询，每个说清楚适用场景和取舍
  3. 高可用讲机制链：健康检查 → 故障转移 → 熔断降级 → 多活冗余，形成完整链路
  4. 举实际例子：比如"我们线上遇到过 DNS 缓存导致 GSLB 切换慢的问题，后来加了 Anycast 做补充"，比纯理论更有说服力
  5. 提 Anycast：很多人会忽略这个，提了就是加分项
标签：CDN