由于，实习期间开发项目时用到了这个算法，当时就研究了一段时间，现在趁此机会把我理解的总结一下。
背景：
在某些特殊的权重下，加权轮询调度会生成不均匀的实例序列，这种不平滑的负载可能会使某些实例出现瞬时高负载的现象，导致系统存在宕机的风险。为了解决这个调度缺陷，就提出了 平滑加权轮询 调度算法。
这里举个例子：
为了说明平滑加权轮询调度的平滑性，使用以下 3 个特殊的权重实例来演示调度过程。
服务实例 权重值
192.168.10.1:2202 5
192.168.10.2:2202 1
192.168.10.3:2202 1
我们已经知道通过 加权轮询 算法调度后，会生成如下不均匀的调度序列。
请求 选中的实例
1 192.168.10.1:2202
2 192.168.10.1:2202
3 192.168.10.1:2202
4 192.168.10.1:2202
5 192.168.10.1:2202
6 192.168.10.2:2202
7 192.168.10.3:2202
接下来，我们就使用平滑加权轮询算法调度上述实例，看看生成的实例序列如何？
算法描述
假设有 N 台实例 S = {S1, S2, …, Sn}，配置权重 W = {W1, W2, …, Wn}，有效权重 CW = {CW1, CW2, …, CWn}。每个实例 i 除了存在一个配置权重 Wi 外，还存在一个当前有效权重 CWi，且 CWi 初始化为 Wi；指示变量 currentPos 表示当前选择的实例 ID，初始化为 -1；所有实例的配置权重和为 weightSum；
那么，调度算法可以描述为：
1、初始每个实例 i 的 当前有效权重 CWi 为 配置权重 Wi，并求得配置权重和 weightSum；
2、选出 当前有效权重 最大 的实例，将 当前有效权重 CWi 减去所有实例的 权重和 weightSum，且变量 currentPos 指向此位置；
3、将每个实例 i 的 当前有效权重 CWi 都加上 配置权重 Wi（注意在这里是（5，1，1））；
4、取到变量 currentPos 指向的实例；
5、每次调度重复上述步骤 2、3、4；
上述 3 个服务，配置权重和 weightSum 为 7，其调度过程如下：
害怕你们看不懂我前边的叙述，简单的对这张图进行一下讲解，首先，我们设置的初始权重是5，1，1，依照平滑的加权轮询调度算法取权重中最大的5减去和weigSum = 7,其它权重不变，这时变成-2，1，1.得到选中后的当前权重。剩下每次都这样。下一个选中前的当前权重为上一个选中后的当前权重对应加上5，1，1（就是配置的权重）。
至于那个实例currentPos初始值为-1，加1为0代表调用一次就是192.168.10.1的调动，那么再加1为1就是192.168.10.2，再加1就是2，192.168.10.3的了。每次调动的实例选的是选中前当前权重的最大值对应的实例，比如请求1调用的就是192.168.10.1实例，再比如请求2也是192.168.10.1，请求3就变成权重中第一个最大的192.168.10.2.
可以看出上述调度序列分散是非常均匀的，且第 8 次调度时当前有效权重值又回到 {0, 0, 0}，实例的状态同初始状态一致，所以后续可以一直重复调度操作。
感觉已经讲得非常清楚了，如果还有疑问给我留言吧。
