Ribbon的常用負(fù)載均衡策略詳細(xì)分析【技術(shù)干貨】

1.Ribbon介紹

因為微服務(wù)是目前互聯(lián)網(wǎng)公司比較流行的架構(gòu)，所以spring就提供了一個頂級框架-spring cloud，來解決我們在開發(fā)微服務(wù)架構(gòu)中遇到的各種各樣的問題，今天的主角是spring cloud 框架中集成的組件Ribbon，那么Ribbon能解決什么問題呢，我們來思考下面的問題。

微服務(wù)架構(gòu)中的每個服務(wù)為了高可用，很大程度上都會進(jìn)行集群，我們假設(shè)現(xiàn)在集群了3個user服務(wù)，同時能提供相同的服務(wù)，問題來了，我們?nèi)绾螞Q定調(diào)用這3個user服務(wù)中的哪一個呢？

根據(jù)不同分析角度，會有不同的答案，也可以理解為根據(jù)不同的情況，我們可以寫不同的算法，來決定到底此時此刻，調(diào)用這3個user服務(wù)的哪一個，那么，Ribbon就給我們提供了不同的算法，我們可以根據(jù)業(yè)務(wù)場景，調(diào)整配置文件，決定到底使用哪個算法，這樣，算法中就會計算出調(diào)用哪個user服務(wù)了。

2.準(zhǔn)備工作

1）我們準(zhǔn)備一個eureka注冊中心

2）再準(zhǔn)備一個order服務(wù)

3）再準(zhǔn)備3個相同代碼的user服務(wù)，這樣，order服務(wù)通過eureka注冊中心，就可以發(fā)現(xiàn)user的3個服務(wù)

3.Ribbon的常用負(fù)載均衡策略

Ribbon是通過IRule的這個接口來選擇3個user服務(wù)中的哪個的，但是實際執(zhí)行的代碼肯定是繼承了這個接口的實現(xiàn)類，所以選擇不同的實現(xiàn)類，就會選擇不同負(fù)載均衡策略

public interface IRule {
    
    Server choose(Object var1);

    void setLoadBalancer(ILoadBalancer var1);

    ILoadBalancer getLoadBalancer();
}

3.1. RoundRobinRule  輪詢策略

此策略是Ribbon的默認(rèn)策略，是按照順序，依次對所有的user服務(wù)進(jìn)行訪問。

通過重寫IRule的choose方法，來選擇并返回決定調(diào)用的user服務(wù)，在下面的源碼中，List allServers = lb.getAllServers(); 獲得了所有的3個user服務(wù)實例，int nextServerIndex = this.incrementAndGetModulo(serverCount); 保存了當(dāng)前調(diào)用的user實例的序號，然后就可以按照順序調(diào)用下一個user服務(wù)了

public Server choose(ILoadBalancer lb, Object key) {
    if (lb == null) {
        log.warn("no load balancer");
        return null;
    } else {
        Server server = null;
        int count = 0;

        while(true) {
            if (server == null && count++ < 10) {
                List<Server> reachableServers = lb.getReachableServers();
                List<Server> allServers = lb.getAllServers();
                int upCount = reachableServers.size();
                //總服務(wù)實例數(shù)量
                int serverCount = allServers.size();
                if (upCount != 0 && serverCount != 0) {
                    int nextServerIndex = this.incrementAndGetModulo(serverCount);
                    server = (Server)allServers.get(nextServerIndex);
                    if (server == null) {
                        Thread.yield();
                    } else {
                        if (server.isAlive() && server.isReadyToServe()) {
                            return server;
                        }

                        server = null;
                    }
                    continue;
                }

                log.warn("No up servers available from load balancer: " + lb);
                return null;
            }

            if (count >= 10) {
                log.warn("No available alive servers after 10 tries from load balancer: " + lb);
            }

            return server;
        }
    }
}

debug的圖例：

第一次訪問：訪問的是第一個實例

第二次訪問：訪問的是第二個實例

3.2. RoundRobinRule  隨機(jī)策略

就和這個策略的名字一樣，是對user的3個服務(wù)的隨機(jī)調(diào)用，所以不存在規(guī)律，如下源碼中int index = this.chooseRandomInt(serverCount); 通過隨機(jī)數(shù)來選擇下標(biāo)，所以對user服務(wù)的調(diào)用是隨機(jī)的

public Server choose(ILoadBalancer lb, Object key) {
    if (lb == null) {
        return null;
    } else {
        Server server = null;

        while(server == null) {
            if (Thread.interrupted()) {
                return null;
            }

            List<Server> upList = lb.getReachableServers();
            List<Server> allList = lb.getAllServers();
            int serverCount = allList.size();
            if (serverCount == 0) {
                return null;
            }

            int index = this.chooseRandomInt(serverCount);
            server = (Server)upList.get(index);
            if (server == null) {
                Thread.yield();
            } else {
                if (server.isAlive()) {
                    return server;
                }

                server = null;
                Thread.yield();
            }
        }

        return server;
    }
}

debug的圖例：

第一次訪問：訪問的是第一個實例

第二次訪問：訪問的還是第一個實例

第三次訪問：訪問的是第三個實例

3.3. WeightedResponseTimeRule響應(yīng)時間加權(quán)重策略

根據(jù)user的3個服務(wù)的響應(yīng)時間來分配權(quán)重，響應(yīng)時間越長的服務(wù)，權(quán)重越低，那么被調(diào)用的概率也就越低。相反，響應(yīng)時間越短的服務(wù)，權(quán)重越高，被調(diào)用的概率也就越高

響應(yīng)時間加權(quán)重策略的實現(xiàn)分為兩步：

1. WeightedResponseTimeRule實現(xiàn)類中默認(rèn)情況下每隔30秒會統(tǒng)計一次每個服務(wù)的權(quán)重，在此30秒內(nèi)，用的是輪詢策略
2. 30秒之后，會根據(jù)統(tǒng)計的結(jié)果來分配每個實例的權(quán)重，然后根據(jù)權(quán)重來分配調(diào)用次數(shù)

extends RoundRobinRule

public Server choose(ILoadBalancer lb, Object key) {
    if (lb == null) {
        return null;
    } else {
        Server server = null;

        while(server == null) {
            List<Double> currentWeights = this.accumulatedWeights;
            if (Thread.interrupted()) {
                return null;
            }

            List<Server> allList = lb.getAllServers();
            int serverCount = allList.size();
            if (serverCount == 0) {
                return null;
            }

            int serverIndex = 0;
            double maxTotalWeight = currentWeights.size() == 0 ? 0.0D : (Double)currentWeights.get(currentWeights.size() - 1);
            //在30秒之內(nèi)，maxTotalWeight變量會一直是0.0
            if (maxTotalWeight >= 0.001D && serverCount == currentWeights.size()) {
                double randomWeight = this.random.nextDouble() * maxTotalWeight;
                int n = 0;

                for(Iterator var13 = currentWeights.iterator(); var13.hasNext(); ++n) {
                    Double d = (Double)var13.next();
                    if (d >= randomWeight) {
                        serverIndex = n;
                        break;
                    }
                }

                server = (Server)allList.get(serverIndex);
            } else {
                server = super.choose(this.getLoadBalancer(), key);
                if (server == null) {
                    return server;
                }
            }

            if (server == null) {
                Thread.yield();
            } else {
                if (server.isAlive()) {
                    return server;
                }

                server = null;
            }
        }

        return server;
    }
}

debug的圖例：

前幾次訪問：maxTotalWeight都是0.0，使用輪詢策略，但是開始緩存權(quán)重數(shù)據(jù)

30秒之后：開始根據(jù)權(quán)重數(shù)據(jù)來分配權(quán)重，選擇實例

如下圖：8081端口的權(quán)重顯然沒有8082的權(quán)重大，所以8082端口的user服務(wù)實例被訪問的次數(shù)多

3.4. RetryRule 重試策略

重試策略是指通過輪詢策略選出一個實例，然后去訪問，如果此實例為null或者已經(jīng)失效，那么會重試其他的實例，answer = this.subRule.choose(key); 會根據(jù)輪詢策略選擇一個實例，然后if ((answer == null || !answer.isAlive()) && System.currentTimeMillis() < deadline)判斷如果實例為null或者失效，那么會重新選擇

public Server choose(ILoadBalancer lb, Object key) {
    long requestTime = System.currentTimeMillis();
    long deadline = requestTime + this.maxRetryMillis;
    Server answer = null;
    answer = this.subRule.choose(key);
    if ((answer == null || !answer.isAlive()) && System.currentTimeMillis() < deadline) {
        InterruptTask task = new InterruptTask(deadline - System.currentTimeMillis());

        while(!Thread.interrupted()) {
            answer = this.subRule.choose(key);
            if (answer != null && answer.isAlive() || System.currentTimeMillis() >= deadline) {
                break;
            }

            Thread.yield();
        }

        task.cancel();
    }

    return answer != null && answer.isAlive() ? answer : null;
}

3.5. BestAvailableRule 最低并發(fā)策略

會根據(jù)每個服務(wù)實例的并發(fā)數(shù)量來決定，訪問并發(fā)數(shù)最少的那個服務(wù)，int concurrentConnections = serverStats.getActiveRequestsCount(currentTime); 會獲得當(dāng)前遍歷的實例的并發(fā)數(shù)，然后和其他的實例的并發(fā)數(shù)進(jìn)行判斷，最終訪問并發(fā)量最少的那個實例

public Server choose(Object key) {
    if (this.loadBalancerStats == null) {
        return super.choose(key);
    } else {
        List<Server> serverList = this.getLoadBalancer().getAllServers();
        int minimalConcurrentConnections = 2147483647;
        long currentTime = System.currentTimeMillis();
        Server chosen = null;
        Iterator var7 = serverList.iterator();

        while(var7.hasNext()) { //遍歷所有的實例
            Server server = (Server)var7.next();
            ServerStats serverStats = this.loadBalancerStats.getSingleServerStat(server);
            if (!serverStats.isCircuitBreakerTripped(currentTime)) {
                int concurrentConnections = serverStats.getActiveRequestsCount(currentTime); //判斷并發(fā)數(shù)，并和已經(jīng)判斷出的最少的并發(fā)數(shù)比較
                if (concurrentConnections < minimalConcurrentConnections) {
                    minimalConcurrentConnections = concurrentConnections;
                    chosen = server;
                }
            }
        }

        if (chosen == null) {
            return super.choose(key);
        } else {
            return chosen;
        }
    }
}

3.6. AvailabilityFilteringRule 可用過濾策略

此策略會聰明的過濾掉一直失敗并被標(biāo)記為circuit tripped的user服務(wù)，而且會過濾掉那些高并發(fā)的user服務(wù)

public Server choose(Object key) {
    int count = 0;
    
    for(Server server = this.roundRobinRule.choose(key); count++ <= 10; server = this.roundRobinRule.choose(key)) {
        //通過predicate來過濾
        if (this.predicate.apply(new PredicateKey(server))) {
            return server;
        }
    }
    //過濾掉一些服務(wù)之后，會采用輪詢的方式調(diào)用剩下的服務(wù)
    return super.choose(key);
}

3.7. ClientConfigEnabledRoundRobinRule 自定義策略

此策略本身并沒有實現(xiàn)什么特殊的處理邏輯，但是可以通過重置LoadBalancer來達(dá)到自定義一些高級策略的目的，可以重寫initWithNiwsConfig和setLoadBalancer

public void initWithNiwsConfig(IClientConfig clientConfig) {
    this.roundRobinRule = new RoundRobinRule();
}

public void setLoadBalancer(ILoadBalancer lb) {
    super.setLoadBalancer(lb);
    this.roundRobinRule.setLoadBalancer(lb);
}

public Server choose(Object key) {
    if (this.roundRobinRule != null) {
        return this.roundRobinRule.choose(key);
    } else {
        throw new IllegalArgumentException("This class has not been initialized with the RoundRobinRule class");
    }
}

猜你喜歡：

Ribbon工作原理詳細(xì)介紹

Zookeeper是如何選取主leader的？

Spring Cloud是什么？怎么理解Spring Cloud?

Spring Boot如何實現(xiàn)微服務(wù)？/a>

Spring框架功能分為哪些模塊？

傳智教育java培訓(xùn)課程