Équilibrage de charge et basculement entre les nœuds
Répartissez uniformément le travail entre les nœuds Erlang et maintenez la disponibilité des services grâce au basculement automatique dans un cluster distribué.
Équilibrage de charge et basculement entre les nœuds est une leçon Erlang OTP: Distributed & Fault-Tolerant Systems Programming gratuite sur CoddyKit. Ceci est la leçon 4 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Erlang OTP: Distributed & Fault-Tolerant Systems Programming, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Erlang OTP: Distributed & Fault-Tolerant Systems Programming comprend 4 leçons au total.
Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.
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
Questions Fréquemment Posées
La leçon « Équilibrage de charge et basculement entre les nœuds » est-elle gratuite ?
Oui — le texte complet de « Équilibrage de charge et basculement entre les nœuds » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Erlang OTP: Distributed & Fault-Tolerant Systems Programming, passe à CoddyKit PRO. Le cours Erlang OTP: Distributed & Fault-Tolerant Systems Programming comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Équilibrage de charge et basculement entre les nœuds » ?
Répartissez uniformément le travail entre les nœuds Erlang et maintenez la disponibilité des services grâce au basculement automatique dans un cluster distribué. Tu pratiques Erlang OTP: Distributed & Fault-Tolerant Systems Programming avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer Erlang OTP: Distributed & Fault-Tolerant Systems Programming ?
Aucune expérience préalable n'est requise. Erlang OTP: Distributed & Fault-Tolerant Systems Programming sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 4 sur 4.
Combien de temps prend la leçon « Équilibrage de charge et basculement entre les nœuds » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon Erlang OTP: Distributed & Fault-Tolerant Systems Programming ?
Oui. Chaque leçon Erlang OTP: Distributed & Fault-Tolerant Systems Programming inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Gestion des partitions réseau
- Données distribuées avec ETS et Mnesia
- Conception axée sur l'extensibilité et la résilience
- Équilibrage de charge et basculement entre les nœuds