Go RPC客户端负载均衡需自行实现，核心是封装连接管理与选节点逻辑：1. 定义Resolver接口统一服务发现；2. 随机策略用math/rand零状态选节点；3. 轮询策略用atomic计数器均匀分配；4. 加权策略用前缀和+二分查找实现加权随机。
在 Go 语言中实现 RPC 客户端的负载均衡，核心是让客户端在多个服务实例间智能选择目标地址。Go 标准库 net/rpc 本身不提供负载均衡能力，需自行封装连接管理与选节点逻辑。下面以最常用的 HTTP/JSON-RPC（或 gRPC 兼容思路）为背景，给出随机、轮询、加权三种策略的轻量级实现要点和可运行结构。
1. 基础连接池与服务发现抽象
无论哪种策略，都需先统一管理后端服务地址列表，并支持动态增删（如配合 Consul/Etcd）。建议定义一个通用接口：
type Resolver interface {
GetServers() []string // 返回当前可用的 server 地址，如 ["http://s1:8080", "http://s2:8080"]
}
实际使用时可基于文件、环境变量或服务注册中心实现该接口。客户端每次调用前通过 GetServers() 获取最新列表，避免硬编码或过期节点。
2. 随机策略：简单高效，适合无状态服务
每次请求从可用节点中随机选取一个，天然分散压力，实现零状态、无记忆。
立即学习“go语言免费学习笔记（深入）”；
- 用
math/rand生成索引，注意初始化 seed（如rand.New(rand.NewSource(time.Now().UnixNano()))） - 若某次选中的节点调用失败，可快速 fallback 到重试逻辑（例如再随机选一个，或退化为轮询）
- 示例片段：
func (r *RandomResolver) Next() string { servers := r.GetServers() if len(servers) == 0 { return "" } return servers[rand.Intn(len(servers))] }
3. 轮询策略：均匀分配，适合处理能力相近节点
按顺序逐个使用节点，达到“绝对平均”。需维护一个原子计数器防止并发冲突。
- 用
sync/atomic操作uint64计数器，避免锁开销 - 取模运算确保循环：
idx := atomic.AddUint64(&r.counter, 1) % uint64(len(servers)) - 注意：若节点上下线频繁，轮询可能短暂打到已下线地址，建议配合健康检查（如调用前 ping 或复用连接池的 idle 检测）
4. 加权策略：按能力分配流量，适合异构集群
给每个服务实例配置权重（如 CPU/内存比例），高配机器承担更多请求。关键在于“加权随机”，而非简单重复列表。
- 推荐使用别名采样（Alias Method）或前缀和 + 二分查找，时间复杂度 O(1) 或 O(log n)
- 更实用的做法：累积权重数组，生成 [0, totalWeight) 区间随机数，再二分定位所属段
- 示例结构：
type WeightedServer struct { Addr string Weight int } // 构建 prefixSum: [w1, w1+w2, w1+w2+w3, ...] // randVal := rand.Intn(totalWeight) // 用 sort.Search 找第一个 >= randVal 的位置 - 权重应支持热更新（如监听配置变更重新构建 prefixSum）
基本上就这些。三种策略可共用同一套 RPC 调用封装（比如封装成 Call(serviceName, method, args, reply)），仅替换内部的 Next() 实现。不需要引入 heavy 框架，几十行代码就能跑起来。关键是把服务发现、健康探测、错误重试和策略切换解耦清楚——不复杂但容易忽略。
