本篇文章为大家展示了大数据中常用的高可用和负载均衡架构设计模式有哪些，内容简明扼要并且容易理解，绝对能使你眼前一亮，通过这篇文章的详细介绍希望你能有所收获。
下面总结一下常见的高可用和负载均衡架构模式。
客户端配置多个服务器地址。如果发生某个服务器无法访问或者使用异常，客户端就切换到其它服务器上。
优点：简单，高效，可以在业务层面检测服务可用性
缺点：需要提前配置。
Mysql connect 这样做load balance 和failed over .在JDBC连接上可以配置多个服务器。
# Connection URL for a server failover setup: jdbc:mysql//primaryhost,secondaryhost1,secondaryhost2/test
DNS服务返回不同的IP来达到切换和负载均衡的效果。由于DNS会缓存，实际使用中问题会比较多。.
优点：对使用者是透明，
缺点：由于DNS缓存问题，可能切换不及时
注册服务器（zookeeper）用来管理当前可以用的服务提供。dubbo使用这种方式来实现。
优点：可以使用复杂的负载均衡策略，可以实现服务路由。
缺点：实现复杂
如果正在使用的机器出问题，外网Ip可以根据情况，分配到另外一台主机上。这样IP切换对外部访问者是透明的。不过要实现浮动IP，对底层网络的支持。在现在的云服务器中无法使用。
优点： 高效，对客户端透明
缺点： 对主机网络有要求，无法在云服务器中使用。
代理服务器检测上游服务器是否可用。并且会根据一定策略来路由前端过来的请求。为了避免代理服务器出现故障，导致系统无法被访问。所以一般都要结合keepalive+vip一起使用。
优点： 支持大量服务器，可以配置复杂路由规则
缺点：代理服务器有单点问题，故障检测不及时
1. 服务器信息谁维护，客户端，代理服务器或者注册服务
2. 故障发现手段。通用的检测方式只能检查端口能不能连接，如果出现服务器僵尸情况常常不能及时被发现。
3. 服务器利用率。
上述内容就是大数据中常用的高可用和负载均衡架构设计模式有哪些，你们学到知识或技能了吗？如果还想学到更多技能或者丰富自己的知识储备，欢迎关注亿速云行业资讯频道。
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
