loxilb项目新增LC(最少连接)负载均衡算法支持
背景介绍
loxilb是一个高性能的负载均衡器项目,它支持多种负载均衡算法来优化后端服务器的流量分配。在最新更新中,loxilb增加了对LC(Least Connections,最少连接)算法的支持,进一步丰富了其负载均衡能力。
LC算法原理
最少连接(LC)算法是一种动态负载均衡策略,其核心思想是将新连接分配给当前活跃连接数最少的后端服务器。这种算法特别适合处理长连接场景,如数据库连接、WebSocket等,能够有效平衡各后端服务器的负载。
相比传统的轮询(RR)或加权轮询(WRR)算法,LC算法能更精确地反映服务器的实际负载情况,因为它考虑了每个服务器当前处理的连接数,而不仅仅是简单的轮转或权重分配。
loxilb中的LC实现
loxilb通过以下两种方式支持LC算法的配置:
1. 使用loxicmd命令行工具配置
通过loxicmd命令可以快速创建基于LC算法的负载均衡服务:
loxicmd create 20.20.20.1 --tcp=2020:8080 --endpoints=31.31.31.1:1,32.32.32.1:1,33.33.33.1:1 --select lc
这条命令创建了一个监听20.20.20.1:2020端口的服务,将流量转发到三个后端服务器(31.31.31.1:8080, 32.32.32.1:8080, 33.33.33.1:8080),并使用LC算法进行流量分配。
2. 使用kube-loxilb的Kubernetes配置
对于Kubernetes环境,可以通过Service资源的annotations来指定LC算法:
apiVersion: v1
kind: Service
metadata:
name: sctp-lb
annotations:
loxilb.io/lbmode: "fullnat"
loxilb.io/epselect: "lc"
spec:
loadBalancerClass: loxilb.io/loxilb
externalTrafficPolicy: Local
selector:
what: sctp-lb
ports:
- port: 56004
protocol: SCTP
targetPort: 9999
type: LoadBalancer
在这个示例中,通过loxilb.io/epselect: "lc"注解指定了使用LC算法,同时配置了SCTP协议的负载均衡服务。
技术优势
loxilb实现LC算法具有以下技术特点:
-
实时连接数跟踪:loxilb会实时维护每个后端服务器的活跃连接数,确保分配决策基于最新数据。
-
高性能实现:即使在大量连接情况下,算法实现也能保持高效,不影响整体转发性能。
-
与其他特性的兼容性:LC算法可以与loxiclb的其他特性如fullnat模式、多种协议支持等无缝配合使用。
-
平滑过渡:对于已有服务,可以无缝从RR/WRR切换到LC算法,无需中断现有连接。
适用场景
LC算法特别适合以下场景:
- 后端服务器处理能力差异较大的环境
- 连接持续时间长短不一的服务
- 需要更精确负载均衡的长时间运行服务
- 后端服务器性能不均衡但无法简单通过权重表示的部署
总结
loxilb新增的LC算法支持为复杂负载均衡场景提供了更精细的控制能力。通过动态考虑后端服务器的实际连接负载,而非简单的轮询或静态权重分配,能够实现更优的资源利用率和更均衡的流量分布。这一特性的加入使得loxilb在负载均衡算法支持方面更加全面,能够满足更多样化的部署需求。
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00- QQwen3-Coder-Next2026年2月4日,正式发布的Qwen3-Coder-Next,一款专为编码智能体和本地开发场景设计的开源语言模型。Python00
xw-cli实现国产算力大模型零门槛部署,一键跑通 Qwen、GLM-4.7、Minimax-2.1、DeepSeek-OCR 等模型Go06
PaddleOCR-VL-1.5PaddleOCR-VL-1.5 是 PaddleOCR-VL 的新一代进阶模型,在 OmniDocBench v1.5 上实现了 94.5% 的全新 state-of-the-art 准确率。 为了严格评估模型在真实物理畸变下的鲁棒性——包括扫描伪影、倾斜、扭曲、屏幕拍摄和光照变化——我们提出了 Real5-OmniDocBench 基准测试集。实验结果表明,该增强模型在新构建的基准测试集上达到了 SOTA 性能。此外,我们通过整合印章识别和文本检测识别(text spotting)任务扩展了模型的能力,同时保持 0.9B 的超紧凑 VLM 规模,具备高效率特性。Python00
KuiklyUI基于KMP技术的高性能、全平台开发框架,具备统一代码库、极致易用性和动态灵活性。 Provide a high-performance, full-platform development framework with unified codebase, ultimate ease of use, and dynamic flexibility. 注意:本仓库为Github仓库镜像,PR或Issue请移步至Github发起,感谢支持!Kotlin08
VLOOKVLOOK™ 是优雅好用的 Typora/Markdown 主题包和增强插件。 VLOOK™ is an elegant and practical THEME PACKAGE × ENHANCEMENT PLUGIN for Typora/Markdown.Less00