Penyeimbangan Beban & Pengalihan Otomatis Antar-Node
Distribusikan pekerjaan secara merata di antara node Erlang dan pertahankan ketersediaan layanan melalui pengalihan otomatis dalam klaster terdistribusi.
Penyeimbangan Beban & Pengalihan Otomatis Antar-Node adalah pelajaran Erlang OTP: Distributed & Fault-Tolerant Systems Programming gratis di CoddyKit. Ini adalah pelajaran 4 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Erlang OTP: Distributed & Fault-Tolerant Systems Programming, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Erlang OTP: Distributed & Fault-Tolerant Systems Programming mencakup 4 pelajaran total.
Bagian dari pelajaran ini belum diterjemahkan dan ditampilkan dalam bahasa Inggris.
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
Belajar Erlang dengan tutor AI — gratis
Tulis dan jalankan kode asli di browser kamu, dapatkan bantuan instan dari tutor AI 24/7, dan lanjutkan di mana kamu tinggalkan di web atau aplikasi.
- Kursus
- 12
- Pelajaran
- 48
Pertanyaan yang Sering Diajukan
Apakah pelajaran “Penyeimbangan Beban & Pengalihan Otomatis Antar-Node” gratis?
Ya — teks lengkap “Penyeimbangan Beban & Pengalihan Otomatis Antar-Node” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Erlang OTP: Distributed & Fault-Tolerant Systems Programming, upgrade ke CoddyKit PRO. Kursus Erlang OTP: Distributed & Fault-Tolerant Systems Programming mencakup 4 pelajaran total.
Apa yang akan aku pelajari di “Penyeimbangan Beban & Pengalihan Otomatis Antar-Node”?
Distribusikan pekerjaan secara merata di antara node Erlang dan pertahankan ketersediaan layanan melalui pengalihan otomatis dalam klaster terdistribusi. Kamu berlatih Erlang OTP: Distributed & Fault-Tolerant Systems Programming dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.
Apakah aku perlu pengalaman untuk memulai Erlang OTP: Distributed & Fault-Tolerant Systems Programming?
Tidak diperlukan pengalaman sebelumnya. Erlang OTP: Distributed & Fault-Tolerant Systems Programming di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 4 dari 4.
Berapa lama pelajaran “Penyeimbangan Beban & Pengalihan Otomatis Antar-Node” memakan waktu?
Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.
Bisakah aku menulis dan menjalankan kode dalam pelajaran Erlang OTP: Distributed & Fault-Tolerant Systems Programming ini?
Ya. Setiap pelajaran Erlang OTP: Distributed & Fault-Tolerant Systems Programming menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.
Semua pelajaran dalam kursus ini
- Menangani Partisi Jaringan
- Data Terdistribusi dengan ETS dan Mnesia
- Rancangan Skalabilitas dan Ketahanan
- Penyeimbangan Beban & Pengalihan Otomatis Antar-Node