Go中RPC负载均衡核心是调用前选择目标节点，常用轮询和加权分配策略；轮询用atomic.Int64实现并发安全的循环索引，需配合健康检查；加权分配推荐平滑加权轮询算法，避免虚拟节点内存膨胀；gRPC可通过自定义Balancer集成，自研框架可在client.Call前插入selector层；需结合健康探测、连接池、一致性哈希等提升生产鲁棒性。
在 Go 语言中实现 RPC 负载均衡，核心是拦截客户端的调用请求，在发起实际 RPC 连接前，从多个服务节点中选择一个目标地址。轮询（Round Robin）和加权分配（Weighted Round Robin）是最常用且易于实现的两种策略。它们不依赖外部组件，可直接嵌入 client 端或独立的负载均衡代理中。
轮询策略：简单、公平、无状态
轮询策略按顺序轮流选择后端节点，适合各节点性能相近、健康状态一致的场景。关键在于维护一个共享的索引计数器，并保证并发安全。
- 使用 atomic.Int64 存储当前下标，避免锁开销
- 每次选节点时对节点总数取模，实现循环效果
- 需配合节点健康检查（如心跳或熔断），跳过不可用节点，否则会降低可用性
示例逻辑片段：
idx := atomic.AddInt64(&counter, 1) % int64(len(nodes))target := nodes[idx]
加权分配策略：按能力分配流量
加权分配让高配置或低负载的服务节点承担更多请求。常见做法是扩展轮询逻辑，将权重转化为“虚拟节点”数量，或采用更精确的平滑加权轮询（Smooth Weighted Round Robin）算法。
Blender Geometry Nodes Script Generator
下载
生成Blender Python (bpy)脚本，该脚本使用node_groups API和GeometryNodeTree接口程序化地创建几何节点修改器树，用于参数化3D资产生成。
立即学习“go语言免费学习笔记（深入）”；
- 推荐使用平滑加权法：每个节点维护当前权重（current_weight）和原始权重（weight），每次选择 current_weight 最大的节点，并更新其 current_weight = current_weight - total_weight；其余节点 current_weight += weight
- 初始化时所有 current_weight 设为对应 weight，首次选择即体现权重优势
- 相比简单重复添加虚拟节点，该方法避免了权重过大时内存膨胀，也更公平
集成到 Go RPC 客户端
Go 标准库 net/rpc 不内置负载均衡，但可通过封装 rpc.Client 实现。更常见的是对接 gRPC（google.golang.org/grpc），它原生支持自定义 Resolver 和 Balancer。
- 对于 gRPC：实现 balancer.Balancer 接口，重写 Pick 方法返回目标连接；注册时传入自定义 balancer builder
- 对于自研 RPC 框架：在 client.Call 前插入 selector 层，统一管理节点列表与选择逻辑
- 无论哪种方式，都建议将节点发现（如 DNS、etcd、consul）与负载策略解耦，selector 只负责“选”，不负责“找”
注意事项与优化点
真实生产环境不能只靠静态策略。需结合动态因素提升鲁棒性：
- 健康探测：定期 ping 或复用连接上的失败统计，自动剔除异常节点
- 连接复用：避免每次 Pick 后新建连接，应维护连接池并绑定到具体后端
- 一致性哈希（可选）：对 key 敏感的场景（如缓存、会话），可结合一致性哈希减少节点变动带来的抖动
- 超时与重试隔离：单个节点失败不应影响全局策略状态，重试应走新一次 Pick，而非固定 fallback
