Balanceo de carga y failover entre nodos
Distribuya el trabajo uniformemente entre nodos de Erlang y mantenga los servicios disponibles mediante failover automático en un clúster distribuido.
Balanceo de carga y failover entre nodos es una lección gratuita de Erlang OTP: Distributed & Fault-Tolerant Systems Programming en CoddyKit. Esta es la lección 4 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de Erlang OTP: Distributed & Fault-Tolerant Systems Programming, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de Erlang OTP: Distributed & Fault-Tolerant Systems Programming incluye 4 lecciones en total.
Partes de esta lección aún no han sido traducidas y se muestran en inglés.
Why Load Balancing?
In a cluster, spreading work across nodes prevents any one node from becoming a bottleneck and lets you scale by adding machines. Failover keeps the system available when a node dies.
Listing Cluster Nodes
A node sees its connected peers with nodes/0. This list is the pool you balance work over.
nodes().
% => ['worker1@host', 'worker2@host']Round-Robin Dispatch
A simple strategy cycles through nodes in order, giving each an equal share of tasks.
pick_node(Index) ->
Nodes = [node() | nodes()],
lists:nth((Index rem length(Nodes)) + 1, Nodes).Spawning on a Remote Node
spawn/4 can start a process on a chosen node, sending the work where you want it.
spawn(TargetNode, my_worker, run, [Task]).The pg Process Groups
The pg module maintains named groups of processes spread across nodes. You can fetch group members and dispatch to them.
pg:join(workers, self()).
Members = pg:get_members(workers).Choosing a Local Member
For low latency, prefer a worker on the local node when one exists, falling back to remote members otherwise.
case pg:get_local_members(workers) of
[] -> pick_remote();
Local -> hd(Local)
end.Detecting Node Failure
Call net_kernel:monitor_nodes(true) to receive {nodedown, Node} messages when a peer disconnects, the trigger for failover.
net_kernel:monitor_nodes(true).
% receive {nodedown, Node} -> handle_failure(Node) end.Failover Strategy
On nodedown, redistribute that node's pending work to surviving nodes and remove it from your dispatch pool.
handle_failure(Node) ->
Tasks = pending_tasks(Node),
[reassign(T) || T <- Tasks].Stateless vs Stateful
Stateless work is trivial to reassign. Stateful work needs its state replicated (e.g. via Mnesia) so a survivor can resume it. Design state placement up front.
Avoiding Thundering Herds
When a node returns, do not dump all reconnection or rebalancing work at once. Stagger it to avoid overwhelming the cluster.
Putting It Together
A resilient setup: register workers in a pg group, dispatch round-robin with local preference, monitor nodes, and reassign work on failure with state backed by replicated storage.
Quick Check
Test your failover knowledge.
Recap
You learned distributed load balancing and failover.
- Dispatch work across
nodes/0with round-robin and local preference - Use
pggroups to track workers - Monitor nodes and reassign work on
nodedown - Replicate state for stateful failover
Preguntas frecuentes
¿La lección «Balanceo de carga y failover entre nodos» es gratis?
Sí — el texto completo de «Balanceo de carga y failover entre nodos» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de Erlang OTP: Distributed & Fault-Tolerant Systems Programming, actualiza a CoddyKit PRO. El curso de Erlang OTP: Distributed & Fault-Tolerant Systems Programming incluye 4 lecciones en total.
¿Qué aprenderé en «Balanceo de carga y failover entre nodos»?
Distribuya el trabajo uniformemente entre nodos de Erlang y mantenga los servicios disponibles mediante failover automático en un clúster distribuido. Practicas Erlang OTP: Distributed & Fault-Tolerant Systems Programming con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar Erlang OTP: Distributed & Fault-Tolerant Systems Programming?
No se requiere experiencia previa. Erlang OTP: Distributed & Fault-Tolerant Systems Programming en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 4 de 4.
¿Cuánto tiempo toma la lección «Balanceo de carga y failover entre nodos»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de Erlang OTP: Distributed & Fault-Tolerant Systems Programming?
Sí. Cada lección de Erlang OTP: Distributed & Fault-Tolerant Systems Programming incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Gestión de particiones de red
- Datos distribuidos con ETS y Mnesia
- Diseño de escalabilidad y resiliencia
- Balanceo de carga y failover entre nodos