Rebalancer

Meta 正式开源了内部使用超过 9 年的核心资源分配库Rebalancer。这不是一个普通的算法库，而是专门解决「把对象放到容器里」这类经典分配问题的高性能框架。它每天在 Meta 内部处理约 4000 万次分配任务，已在服务器分配、ML 训练/推理放置、流量路由、负载均衡迁移等场景中大规模落地。

Rebalancer 网站截图

它到底解决什么问题？

任何「把东西放到盒子里」的问题，只要满足「每个对象只能放进一个容器、需要满足约束、并优化目标」，都可以用 Rebalancer 建模。例如：

• 把任务分配到服务器，同时保证 CPU/内存不超限、负载尽量均衡
• 把数据库分片放到主机上，兼顾容灾和亲和性
• 经典的数独、八皇后问题也能轻松表达

核心优势在于：用高层 DSL 描述问题，而不是手写复杂的数学公式。你只需组合现成的 25+ 个 Spec（如 CapacitySpec、BalanceSpec、MinimizeMovementSpec 等），就能快速定义约束和目标。

两大求解器，灵活切换

• Local Search（局部搜索）：默认推荐。从初始分配出发，通过移动、交换等操作不断改进，可轻松处理百万级对象规模，速度极快（大规模问题平均 171 秒左右），但不保证全局最优。
• Optimal Solver（MIP 精确求解）：基于混合整数规划，支持开源 HiGHS 以及商业求解器 Gurobi、FICO Xpress，适合中小规模问题，能给出可证明最优解。

问题定义与求解器完全解耦，同一套模型可随时切换算法。

调试利器：Rebalancer Explorer

配套的 Web UI 工具让你直观查看对象、容器、约束、目标得分，支持对比初始与最终分配、模拟「如果把某个对象移到另一个容器会怎样」，极大降低调试成本。

快速部署与使用

最简单方式（Python）：

pip install rebalancer

几行代码即可跑通示例（任务放到主机，内存容量约束）：

from rebalancer import ProblemSolver
from rebalancer.specs import CapacitySpec, ConstraintSpec, LocalSearchSolverSpec, ...

solver = ProblemSolver(...)
# 设置对象、容器、维度、约束、求解器
solution = solver.solve()
print(solution["assignment"])

从源码编译（Ubuntu/macOS 均有详细指引）：克隆仓库后用 CMake + Ninja 构建，支持 C++ 和 Python 接口。也可直接下载 .deb / .rpm / Homebrew 预编译包。

启动 Explorer：

REBALANCER_PROXY_AUTH_TOKEN=secret docker compose up --build

浏览器打开 http://localhost:3000 即可可视化调试。

结语

Rebalancer 把「可用性」和「可扩展性」做到了极致——DSL 降低建模门槛，Local Search 解决大规模难题，Explorer 让结果可解释。无论你是做基础设施调度、运筹优化，还是想玩经典约束满足问题，都值得一试。