RPC 负载均衡算法有哪些？如何选择合适策略？

RPC 负载均衡常见算法有随机、轮询、加权随机/轮询、最少连接、最少活跃、最短响应时间、一致性哈希和 IP Hash。面试里先说选择原则：实例差不多用随机或轮询；机器配置不同用加权；请求耗时差异大用最少连接/最少活跃；需要会话保持或本地缓存命中用一致性哈希。真正落地还要配健康检查、熔断、权重动态调整，否则算法再好也会把流量打到故障节点。

追问

随机和轮询有什么区别？

随机实现最简单，长期看分布均匀；轮询更可预测，但如果某台机器变慢，仍会按顺序分流。两者都适合实例能力接近的场景。

为什么 Dubbo 默认常用加权随机？

它简单、开销低，配合权重能表达机器能力差异。比普通轮询更不容易在短时间内形成固定流量节奏。

一致性哈希解决什么问题？

它让同一个 key 尽量落到同一台实例，适合会话、缓存、分片类场景。节点增减时只迁移少量 key，但要用虚拟节点缓解倾斜。

实际项目里会踩什么坑？

只看请求数不看耗时会误判负载；服务注册中心实例下线不及时，会出现短时间错误流量。通常要把负载均衡和健康检查、超时、重试一起设计。

写段代码

java
ServiceInstance select(List<ServiceInstance> list) {
  return list.stream()
    .filter(ServiceInstance::isHealthy)
    .min(Comparator.comparingInt(ServiceInstance::getActive))
    .orElseThrow();
}