Memcached单台服务器多节点负载均衡测试

那些不需要“分布”的，不需要共享的，或者干脆规模小到只有一台服务器的应用，Memcached不会带来任何好处，相反还会拖慢系统效率，因为网络连接同样需要资源。

本章节基于Java来介绍和测试Memcached的负载均衡，在这之前需要下载基于Java的客户端：java_memcached-release_2.6.6.zip，网址是https://github.com/gwhalin/Memcached-Java-Client/downloads，它是比较通用的Memcached客户端框架，依赖的JAR包有：commons-pool-1.5.6.jar、java_memcached-release_2.6.6.jar、slf4j-api-1.6.1.jar、slf4j-simple-1.6.1.jar。

具体的测试过程如下：

1．开启Memcached多个端口

这里仅以开启一台服务器的多个节点来模拟测试环境：

[root@zengxiangtao~]# memcached -d -m 512-c 512-p 11211 -u root -t 10 [root@zengxiangtao~]# memcached -d -m 512-c 512 -p 11212 -u root -t 10 [root@zengxiangtao~]# netstat -ntlp | grep memcached

1．编写测试代码

下面的脚本主要用于插入数据到上面Memcached开启的2个端口中，这里我们插入1000条“key”数据，插入后通过查询数据分布比例来看是否能够负载均衡，分别对2个端口的数据进行查询，看是否达到了负载均衡，通过执行结果可知通过11211端口插入了503条数据，11212端口插入了497条数据，两个端口存数据的比例几乎是50%:50%，是均衡分布的。

import java.util.Date; import com.danga.MemCached.MemCachedClient; import com.danga.MemCached.SockIOPool; public class MemcachedDemo{ protected static MemCachedClient mcc=new MemCachedClient(); public static MemCachedClient getMcc(){ return mcc; } protected static MemcachedDemo memCached=new MemcachedDemo(); static{ //指定memcached服务地址 String[]servers={"192.183.3.189:11211","192.183.3.189:11211"}; //指定memcached服务器负载量 Integer[]weights={3,3}; //从连接池获取一个连接实例 SockIOPool pool=SockIOPool.getInstance(); //设置服务器和服务器负载量 pool.setServers(servers); pool.setWeights(weights); //设置一些基本的参数,设置初始连接数5，最小连接数5，最大连接数250 pool.setInitConn(5); pool.setMinConn(5); pool.setMaxConn(250); //设置一个连接最大空闲时间6小时 pool.setMaxIdle(1000*60*60*6); //设置主线程睡眠时间,每隔30秒醒来然后开始维护连接数大小 pool.setMaintSleep(30); //设置tcp相关的树形,关闭nagle算法,设置读取超时3秒钟set the read timeout to 3 secs,不设置连接超时 pool.setNagle(false); pool.setSocketTO(3000); pool.setSocketConnectTO(0); //开始初始化连接池 pool.initialize(); //压缩设置，超过指定大小（单位为K）的数据都会被压缩 //mcc.setCompressEnable(true); //如果超过64k压缩数据 //mcc.setCompressThreshold(64*1024); } protected MemcachedDemo(){ } public static MemcachedDemo getInstance(){ return memCached; } /** *add:对Memcahed的add命令的封装仅当缓存中不存在键时， *add命令才会向缓存中添加一个键值对。如果缓存中已经存在键， *则之前的值将仍然保持相同，并且您将获得响应NOT_STORED. */ public boolean add(String key,Object value){ return mcc.add(key,value); } /** *add:对Memcahed的add命令仅当缓存中不存在键时， *add命令才会向缓存中添加一个键值对。如果缓存中已经存在键， *则之前的值将仍然保持相同，并且您将获得响应NOT_STORED. */ public boolean add(String key,Object value,Date expiry){ return mcc.add(key,value,expiry); } /** *add:对Memcahed的add命令的封装仅当缓存中不存在键时， *add命令才会向缓存中添加一个键值对。如果缓存中已经存在键， *则之前的值将仍然保持相同，并且您将获得响应NOT_STORED. */ public boolean replace(String key,Object value){ return mcc.replace(key,value); } /** *replace:对Memcahed的replace命令仅当键已经存在时， *replace命令才会替换缓存中的键。如果缓存中不存在键， *那么您将从memcached服务器接受到一条NOT_STORED响应. */ public boolean replace(String key,Object value,Date expiry){ return mcc.replace(key,value,expiry); } /** *get:get对Memcahed的get命令的封装命令用于检索 *与之前添加的键值对相关的值. */ public Object get(String key){ return mcc.get(key); } public static void main(String[]args){ MemcachedDemo cache=MemcachedDemo.getInstance(); //插入数据到指定的服务器 for(int i=0;i<1000;i++){ cache.add("key"+i,"value"+i); } //查询对应服务器的数据存储量 //int count=0; // for(int i=0;i<1000;i++){ // if(cache.get("key"+i)!=null){ // count++; // } // } // System.out.println(count); } }

以上的脚本因为每次统计端口数据还需要注释掉插入数据的代码，所以进行了以下的改进，让插入和统计同时进行：

import java.util.Date; import com.danga.MemCached.MemCachedClient; import com.danga.MemCached.SockIOPool; public class MemcachedDemo1{ protected static MemCachedClient mcc=new MemCachedClient(); public static MemCachedClient getMcc(){ return mcc; } protected static MemcachedDemo1 memCached=new MemcachedDemo1(); protected MemcachedDemo1(){ } public static MemcachedDemo1 getInstance(){ return memCached; } public boolean add(String key,Object value){ return mcc.add(key,value); } public boolean add(String key,Object value,Date expiry){ return mcc.add(key,value,expiry); } public boolean replace(String key,Object value){ return mcc.replace(key,value); } public boolean replace(String key,Object value,Date expiry){ return mcc.replace(key,value,expiry); } public Object get(String key){ return mcc.get(key); } public static void main(String[]args){ MemcachedDemo1 cache=MemcachedDemo1.getInstance(); cache.setServers(new String[]{"192.183.3.189:11211","192.183.3.189:11212"}); for(int i=0;i<2000;i++){ cache.add("key"+i,"value"+i); } int count1=0; cache.setServers(new String[]{"192.183.3.189:11211"}); for(int i=0;i<2000;i++){ if(cache.get("key"+i)!=null){ count1++; } } System.out.println("11211"+count1); int count2=0; cache.setServers(new String[]{"192.183.3.189:11212"}); for(int i=0;i<2000;i++){ if(cache.get("key"+i)!=null){ count2++; } } System.out.println("11212"+count2); } public void setServers(String[]servers){ Integer[]weights={3,3}; SockIOPool pool=SockIOPool.getInstance(); pool.setServers(servers); pool.setWeights(weights); pool.setInitConn(5); pool.setMinConn(5); pool.setMaxConn(250); pool.setMaxIdle(1000*60*60*6); pool.setMaintSleep(30); pool.setNagle(false); pool.setSocketTO(3000); pool.setSocketConnectTO(0); pool.initialize(); } }

如有兴趣，可以对以上的代码进行修改，测试一下节点分布在不同服务器上时负载均衡的情况—多个端口同时同步。

原文链接：https://blog.csdn.net/u010257584/article/details/50846276