Loadbalance的几种算法以及在ribbon中的使用

Load Balance负载均衡是用于解决一台机器(一个进程)无法解决所有请求而产生的一种算法。

像nginx可以使用负载均衡分配流量,ribbon为客户端提供负载均衡,dubbo服务调用里的负载均衡等等,很多地方都使用到了负载均衡。

使用负载均衡带来的好处很明显:

  1. 当集群里的1台或者多台服务器down的时候,剩余的没有down的服务器可以保证服务的继续使用
  2. 使用了更多的机器保证了机器的良性使用,不会由于某一高峰时刻导致系统cpu急剧上升

负载均衡有好几种实现策略,常见的有:

  1. 随机 (Random)
  2. 轮询 (RoundRobin)
  3. 一致性哈希 (ConsistentHash)
  4. 哈希 (Hash)
  5. 加权(Weighted)

我们以ribbon的实现为基础,看看其中的一些算法是如何实现的。

ribbon是一个为客户端提供负载均衡功能的服务,它内部提供了一个叫做ILoadBalance的接口代表负载均衡器的操作,比如有添加服务器操作、选择服务器操作、获取所有的服务器列表、获取可用的服务器列表等等。

还提供了一个叫做IRule的接口代表负载均衡策略:

1

2

3

4

5

public interface IRule{

    public Server choose(Object key);

    public void setLoadBalancer(ILoadBalancer lb);

    public ILoadBalancer getLoadBalancer();   

}

IRule接口的实现类有以下几种:

image

其中RandomRule表示随机策略、RoundRobin表示轮询策略、WeightedResponseTimeRule表示加权策略、BestAvailableRule表示请求数最少策略等等。

随机策略很简单,就是从服务器中随机选择一个服务器,RandomRule的实现代码如下:

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

public Server choose(ILoadBalancer lb, Object key) {

    if (lb == null) {

        return null;

    }

    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 = rand.nextInt(serverCount); // 使用jdk内部的Random类随机获取索引值index

        server = upList.get(index); // 得到服务器实例

 

        if (server == null) {

            Thread.yield();

            continue;

        }

 

        if (server.isAlive()) {

            return (server);

        }

 

        server = null;

        Thread.yield();

    }

    return server;

}

RoundRobin轮询策略表示每次都取下一个服务器,比如一共有5台服务器,第1次取第1台,第2次取第2台,第3次取第3台,以此类推:

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

public Server choose(ILoadBalancer lb, Object key) {

    if (lb == null) {

        log.warn("no load balancer");

        return null;

    }

 

    Server server = null;

    int count = 0;

    while (server == null && count++ < 10) { // retry 10 次

        List<Server> reachableServers = lb.getReachableServers();

        List<Server> allServers = lb.getAllServers();

        int upCount = reachableServers.size();

        int serverCount = allServers.size();

 

        if ((upCount == 0) || (serverCount == 0)) {

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

            return null;

        }

 

        int nextServerIndex = incrementAndGetModulo(serverCount); // incrementAndGetModulo方法内部使用nextServerCyclicCounter这个AtomicInteger属性原子递增对serverCount取模得到索引值

        server = allServers.get(nextServerIndex); // 得到服务器实例

 

        if (server == null) {

            Thread.yield();

            continue;

        }

 

        if (server.isAlive() && (server.isReadyToServe())) {

            return (server);

        }

 

        server = null;

    }

 

    if (count >= 10) {

        log.warn("No available alive servers after 10 tries from load balancer: "

                + lb);

    }

    return server;

}

BestAvailableRule策略用来选取最少并发量请求的服务器:

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

public Server choose(Object key) {

    if (loadBalancerStats == null) {

        return super.choose(key);

    }

    List<Server> serverList = getLoadBalancer().getAllServers(); // 获取所有的服务器列表

    int minimalConcurrentConnections = Integer.MAX_VALUE;

    long currentTime = System.currentTimeMillis();

    Server chosen = null;

    for (Server server: serverList) { // 遍历每个服务器

        ServerStats serverStats = loadBalancerStats.getSingleServerStat(server); // 获取各个服务器的状态

        if (!serverStats.isCircuitBreakerTripped(currentTime)) { // 没有触发断路器的话继续执行

            int concurrentConnections = serverStats.getActiveRequestsCount(currentTime); // 获取当前服务器的请求个数

            if (concurrentConnections < minimalConcurrentConnections) { // 比较各个服务器之间的请求数,然后选取请求数最少的服务器并放到chosen变量中

                minimalConcurrentConnections = concurrentConnections;

                chosen = server;

            }

        }

    }

    if (chosen == null) { // 如果没有选上,调用父类ClientConfigEnabledRoundRobinRule的choose方法,也就是使用RoundRobinRule轮询的方式进行负载均衡       

        return super.choose(key);

    } else {

        return chosen;

    }

}

实例验证Ribbon中的LoadBalance功能

ServerList中提供了3个instance,分别是:

1

2

3

compute-service:2222

compute-service:2223

compute-service:2224

然后使用不同的IRule策略查看负载均衡的实现。

首先先使用ribbon提供的LoadBalanced注解加在RestTemplate上面,这个注解会自动构造LoadBalancerClient接口的实现类并注册到Spring容器中。

1

2

3

4

5

@Bean

@LoadBalanced

RestTemplate restTemplate() {

    return new RestTemplate();

}

接下来使用RestTemplate进行rest操作的时候,会自动使用负载均衡策略,它内部会在RestTemplate中加入LoadBalancerInterceptor这个拦截器,这个拦截器的作用就是使用负载均衡。

例子中,我们的实例的name叫做compute-service,里面提供了一个方法add用于相加2个Integer类型的数值。

loadbalance的具体操作:

1

2

3

4

5

6

7

8

public String loadbalance() {

    ServiceInstance serviceInstance = loadBalancerClient.choose("compute-service");

    StringBuilder sb = new StringBuilder();

    sb.append("host: ").append(serviceInstance.getHost()).append(", ");

    sb.append("port: ").append(serviceInstance.getPort()).append(", ");

    sb.append("uri: ").append(serviceInstance.getUri());

    return sb.toString();

}

RandomRule随机策略

RandomRule:

1

2

3

4

5

6

7

8

9

10

11

12

@Configuration

public class RibbonConfiguration {

 

    @Autowired

    private SpringClientFactory springClientFactory;

 

    @Bean

    public IRule ribbonRule() {

        return new RandomRule();

    }

 

}

测试结果如下,确实是随机获取的:

1

2

3

4

5

6

7

8

9

10

host: 192.168.31.113, port: 2222, uri: http://192.168.31.113:2222

host: 192.168.31.113, port: 2222, uri: http://192.168.31.113:2222

host: 192.168.31.113, port: 2222, uri: http://192.168.31.113:2222

host: 192.168.31.113, port: 2224, uri: http://192.168.31.113:2224

host: 192.168.31.113, port: 2224, uri: http://192.168.31.113:2224

host: 192.168.31.113, port: 2222, uri: http://192.168.31.113:2222

host: 192.168.31.113, port: 2223, uri: http://192.168.31.113:2223

host: 192.168.31.113, port: 2222, uri: http://192.168.31.113:2222

host: 192.168.31.113, port: 2222, uri: http://192.168.31.113:2222

host: 192.168.31.113, port: 2223, uri: http://192.168.31.113:2223

RoundRobinRule轮询策略

RoundRobinRule:

1

2

3

4

@Bean

public IRule ribbonRule() {

    return new RandomRule();

}

测试结果如下,确实是轮询每个服务器的:

1

2

3

4

5

6

7

8

9

10

11

12

host: 192.168.31.113, port: 2223, uri: http://192.168.31.113:2223

host: 192.168.31.113, port: 2222, uri: http://192.168.31.113:2222

host: 192.168.31.113, port: 2224, uri: http://192.168.31.113:2224

host: 192.168.31.113, port: 2223, uri: http://192.168.31.113:2223

host: 192.168.31.113, port: 2222, uri: http://192.168.31.113:2222

host: 192.168.31.113, port: 2224, uri: http://192.168.31.113:2224

host: 192.168.31.113, port: 2223, uri: http://192.168.31.113:2223

host: 192.168.31.113, port: 2222, uri: http://192.168.31.113:2222

host: 192.168.31.113, port: 2224, uri: http://192.168.31.113:2224

host: 192.168.31.113, port: 2223, uri: http://192.168.31.113:2223

host: 192.168.31.113, port: 2222, uri: http://192.168.31.113:2222

host: 192.168.31.113, port: 2224, uri: http://192.168.31.113:2224

BestAvailableRule最少并发数策略

BestAvailableRule:

1

2

3

4

@Bean

public IRule ribbonRule() {

    return new BestAvailableRule();

}

如果直接访问浏览器的话,测试结果如下(因为每次访问完请求数都变成0,下次遍历永远都是2223这个端口的实例):

1

2

3

4

5

6

7

host: 192.168.31.113, port: 2223, uri: http://192.168.31.113:2223

host: 192.168.31.113, port: 2223, uri: http://192.168.31.113:2223

host: 192.168.31.113, port: 2223, uri: http://192.168.31.113:2223

host: 192.168.31.113, port: 2223, uri: http://192.168.31.113:2223

host: 192.168.31.113, port: 2223, uri: http://192.168.31.113:2223

host: 192.168.31.113, port: 2223, uri: http://192.168.31.113:2223

..

使用wrk模拟并发请求,结果会出现多个实例:

1

wrk -c 1000 -t 10 -d 10s http://localhost:3333/test

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值