数组实现负载权重分配的核心是构建累积权重数组并用随机数匹配区间：如A(3)、B(2)、C(5)得[3,5,10]，生成[1,10]随机数，二分查找首个≥该数的索引即目标。

用数组实现负载权重分配，核心是把不同服务实例或流量通道按权重映射到一个连续的“虚拟区间”，再通过随机数落点决定路由目标——不依赖复杂框架，几行代码就能跑通。

构造带权重的索引数组

不是直接存实例地址，而是构建一个“累积权重数组”：每个元素表示从开头到当前项的权重总和。比如后端有 A(3)、B(2)、C(5)，对应累积数组为 [3, 5, 10]。总权重 10 就是整个取值范围。

• 遍历原始权重列表，逐个累加，推入新数组
• 确保所有权重为正整数（小数可放大后转整，如 0.3→3）
• 数组长度等于服务节点数，末位值恒为总权重

用随机数做区间匹配

生成 [1, 总权重] 范围内的随机整数，查累积数组中首个 ≥ 该数的下标，即为目标索引。

• 可用二分查找提升效率（尤其节点数 > 100 时）
• 避免线性扫描：对 [3,5,10] 查 7 → 比较 3
• JavaScript 示例：let r = Math.floor(Math.random() * total) + 1;

运行时动态调节流量比例

权重不该写死。把累积数组封装成可更新对象，提供 setWeight(nodeId, newW) 方法：

• 内部重新计算总权重，重建累积数组
• 支持热更新：无需重启服务，下次请求即生效
• 配合配置中心（如 Nacos、Consul），监听权重变更事件自动刷新
• 注意并发安全：重建过程加锁，或用原子替换引用（如用 AtomicReference）

实战中要留意的细节

真实场景不是只看理论命中率，还要应对偏差和可观测性：

• 小流量下统计波动大，建议单次压测请求数 ≥ 总权重 × 100
• 记录每次路由结果，聚合输出实际分布（如 Prometheus + Grafana 看板）
• 预留“兜底节点”：当所有权重为 0 或配置异常时，固定走默认实例
• 日志打点带上权重值与随机种子（可选），便于问题复现