1 随机负载均衡较为简单，获取指定服务列表，根据大小生成大小区间的随机数，注册中心使用的consul，先根据服务名称拉取服务列表，省略（服务端存储的服务以双map形式，请求后转为切片）。

func (r *RandomLoadBalance) SelectService(services []*ServiceInstance) (*ServiceInstance, error) {if services == nil || len(services) == 0 {return nil, errors.New("service instances are not exist")}return services[rand.Intn(len(services))], nil
}

2 加权轮询负载实现：重点在轮询意味这儿有一个循环点，其次是加权，这意味这在一次循环中，权越重越优先，所以怎么设计？

具体实现方式如下：

func (r *WeightRoundRobinLoadBalance) SelectService(services []*ServiceInstance) (best *ServiceInstance,err error) {if services == nil || len(services) == 0 {return nil, errors.New("service instances are not exist")}total := 0for i := 0; i < len(services); i++ {w := services[i]if w == nil {continue}w.CurWeight += w.Weight //当前固定分配的权重total+=w.Weightif best==nil||w.CurWeight>best.CurWeight{best=w}}if best==nil {return nil,nil}best.CurWeight-=totalreturn best ,nil
}

1 每个服务有自己固定的权重和用于计算的当前权重分别为weight和CurWeight，Weight配置的服务实例的权重，固定不变；

2curWeight是服务实例目前的权重，为了统一获取动态的最大值，每个实例权重都要动态变化，计算到都有可能最大值的标识，一开始都为0，之后会动态调整。

每次当请求到来，选取服务实例时，该策略会遍历服务实例队列中的所有服务实例。对于每个服务实例，让它的curwiight增加它的weight值，同时累加所有放入服务实例的Weight，并保存在toal，

遍历所有服务之后，如果当前的实例的curweight最大则就返回该实例，把最后该实例的curWeight-total赋值当前的CurWright意味刚调用过的会进入其他所有节点的权重总和的相反数，即去除权重的优势，每一个节点都会如此，直到下一轮又回到每个节点的curWight为0 0 0进入新循环

举例说明 A、B、C权重为 3、2、1初始化的curweight全为0，每个节点的curweight的计算过程如下：

请求序号	计算前的CurWeight	选择的实例	计算后的CurWeight
1	{3，2，1}=n	a	{-3,2,1}=t
2	{t}+{n}={0,4,2}	b	{0,-2,2}
3	{3,0,3}	a	{-3,0,3}
4	{0,2,4}	c	{0,2,-2}
5	{3,4,-1}	b	{3,-2,-1}
6	{6,0,0}	a	{0,0,0}

发现计算后的的t他们的权重和为0，就是被选择实例后CurWeight=CurWeight-total的结果，是其他当前实例的当前权重和的相反数，对于最后的CurWeight回归到初始的{0，0，0}就是轮询，至于为什么会回归，这个可以多尝试几组数据理解。