最近在读《SRE Google运维解密》第20章提到数据中心内部服务器的负载均衡方法，文章对比了几种负载均衡的算法，其中随机选择算法，非常适合用 Numpy 模拟并且用 Matplotlib 画图，下面是我的代码：

# 使用 numpy 模拟 GRE 中的随机选择算法，并使用 pyplot绘图import numpy as npfrom numpy import randomr = random.randint(1,301,size = (300,225) )a = {}for i in r:    for j in i:        if(j in a.keys()):            a[j] = a[j] + 1        else:            a[j] = 0height = []z = a.values()for i in z:    height.append(i)height.sort()x = np.arange(1,301)plt.bar(x,height)plt.axis([0,301,0,280])plt.grid(True)plt.title("75%子集，225个后端")

整个模拟的思路就是首先随机生成一个二维数组，然后再统计每台服务器被选中的次数，并对次数排序并画图，然后就能够出来书中的图的样式。整个代码感觉还是有些繁琐，如果有更好的想法的朋友，欢迎与我沟通改进。

刚开始还想用直方图来绘制，仔细看了之后发现图上的并不是直方图，直方图能够反映每台前端连接后端服务器的分布情况，但是未经过排序，所以无法明显的看出最大和最小的区别。所以要对数据做一下处理，排序后再重新做图。

我按照三个参数模拟了一下，感觉随机选择算法不管子集的大小如何，负载的情况都不是很均衡。子集小的情况下，能够偏出平均值50%，子集大的时候（75％）仍能偏出平均值15%左右。

本文为作者原创，如果您觉得本文对您有帮助，请随意打赏，您的支持将鼓励我继续创作。

参考资料：

1、

2、

3、

4、

5、