Update loadbalance.md

[guonaihong]

左看右看没看到排序的代码。

[kevwan]

里面按照latency加权重的。

[guonaihong]

@kevwan 先讨论超过2个节点为的情况，
根据代码
https://github.com/zeromicro/go-zero/blob/master/zrpc/internal/balancer/p2c/p2c.go#L90 https://github.com/zeromicro/go-zero/blob/master/zrpc/internal/balancer/p2c/p2c.go#L91 来看，
两个候选节点都是随机产生的，a挑前面的节点，b挑a后面的节点。

再根据选择函数 https://github.com/zeromicro/go-zero/blob/master/zrpc/internal/balancer/p2c/p2c.go#L150 来看，
选择两个节点负载小的节点。求的是局部最优解，和全局排序区别挺大的。
算力区别:
局部求最优，依赖的计算小，只需要两个node参与，全局排序需要所以节点参与排序。
概念的区别:
全局排序是要所以节点参与，p2c只要两个节点参与就行。

所以才觉得用排序这个词不太合适。

[kevwan]

每次挑两个，次数多了就是负载排序了。

[guonaihong]

他们概率是不一样的，全局排序选到最小节点的概率是1. p2c选到最小节点的概率是2/node的个数。
用10000次验证下结论，可以用下面的代码试下

package main

import (
	"fmt"
	"time"

	"math/rand"
)

func main() {
	rand.Seed(time.Now().UnixNano())
	conns := []int{0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20}
	for j := 0; j < 10000; j++ {

		for i := 0; i < 3; i++ {
			a := rand.Intn(len(conns))
			b := rand.Intn(len(conns) - 1)
			if b >= a {
				b++
			}

			fmt.Printf("%d\n", min(a, b))
			break
		}
	}
}

把输出保存到my.log
所以用 sort my.log|sort |uniq -c|sort -nr 算下频率。
我跑了一次的输出是

 910 0
 904 1
 839 2
 822 3
 739 4
 717 5
 668 6
 602 8
 600 7
 541 9
 492 10
 413 11
 383 12
 320 13
 295 14
 234 15
 176 16
 163 17
 109 18
  73 19

[kevwan]

负载均衡本来就不需要特别精确的，不能用数学上的精确模型来衡量，更多的是概率模型来看。