Sing-box 负载均衡与路由选择机制的技术演进
2025-05-09 23:00:03作者:柏廷章Berta
背景与现状
Sing-box 作为一款新兴的网络工具,其核心功能之一是通过出站规则(Outbound)实现流量路由。当前版本中,用户主要通过 selector 和 urltest 两种出站类型来实现节点选择功能:
selector:提供手动选择节点的能力urltest:通过URL测试自动选择最优节点
然而,现有架构存在一些局限性,社区提出了三种改进方案,旨在提供更灵活、更强大的路由选择机制。
技术方案分析
方案一:路由动作集成选择功能
该方案建议将选择功能整合到路由动作中,通过扩展 route 动作的参数来实现:
{
"action": "route",
"outbounds": ["proxy1", "proxy2"],
"default": "proxy1",
"mode": "selector/urltest/random"
}
优势:
- 统一路由逻辑,减少配置复杂度
- 可扩展多种选择模式
挑战:
- 无法嵌套使用选择器
- 限制了选择器只能用于路由动作
方案二:专用负载均衡出站
此方案提出新增 balancer 出站类型,专门处理负载均衡场景:
{
"type": "balancer",
"outbounds": ["node-a", "node-b"],
"mode": "random/round-robin/weighted",
"default": "node-a"
}
特点:
- 支持多种负载均衡算法
- 保持与现有架构的兼容性
- 可独立使用或与其他功能组合
方案三:通用选择器条件
该方案将选择器提升为一级配置项,可作为路由条件使用:
{
"selectors": [{
"name": "ad_filter",
"options": ["on", "off"],
"default": "off"
}],
"rules": [{
"selector": "ad_filter",
"selector-value": "on"
}]
}
创新点:
- 选择器不再局限于节点选择
- 支持多条件组合
- 提供更细粒度的控制能力
技术考量与建议
从架构设计的角度,三种方案各有侧重:
- 方案一适合简化基础使用场景,但灵活性受限
- 方案二保持了出站类型的独立性,易于扩展新算法
- 方案三提供了最高灵活性,但实现复杂度较高
建议采用分层设计:
- 基础层:保留现有出站类型,确保兼容性
- 增强层:实现负载均衡出站,满足高级需求
- 扩展层:提供通用选择器条件,支持复杂场景
实现建议
-
负载均衡算法应包括:
- 随机选择(Random)
- 轮询(Round-robin)
- 加权选择(Weighted)
- 延迟最优(Latency-based)
-
选择器条件应支持:
- 布尔型开关
- 枚举值选择
- 数值范围条件
-
性能优化考虑:
- 选择结果缓存
- 异步健康检查
- 最小连接数算法
总结
Sing-box 的路由选择机制演进方向应兼顾易用性与灵活性。通过引入负载均衡出站和通用选择器条件,可以满足从简单到复杂的各种使用场景,同时保持配置的清晰性和可维护性。这种分层设计既照顾了普通用户的基础需求,也为高级用户提供了充分的定制空间。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
670
155
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
Ascend Extension for PyTorch
Python
219
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.82 K
React Native鸿蒙化仓库
JavaScript
259
322