Dubbo一致性哈希算法在项目中的应用

下面的算法是对Dubbo源码中对于Kｅｔａｍａ一致性Hash算法的改进后在项目中做负载均衡使用:

注意：

1.Dubbo的一致性Hash算法实现逻辑: 

   对每个一个注册的服务名,创建一个选择器(ConsistentHashSelector),这个选择器中维护了一个hash环,这个Hash环里存储着所有这个RPC服务提供者的地址,所以逻辑总结就是一个RPC服务,对应一个Hash环，一个Hash环里保存了这个Rpc服务提供的地址。

2.Key的生成逻辑:

   当通过Key来选择对应的地址时,是以请求的方法加上参数生成Hash的，因为在Ketama哈希算法中，一串字符生成的Hash值是固定的。所以Dubbo的Key是以将方法的参数作为Key生成Hash的,我这里的逻辑是方法名+参数名作为Hash Key.这样保证每次请求时生成的Hash Key都不同,能够平衡的负载到各个服务器上。

/**
 * @author zyz
 */

public class ConsistentHashLoadBalance1 extends AbstractLoadBalance {

    // Key: rpcServiceName
    private final ConcurrentMap<String, ConsistentHashSelector> selectors = new ConcurrentHashMap<>();
    @Override
    protected String doSelect(List<String> serviceAddresses, RpcRequestMessage msg) {
        // 获取调用服务名
        String rpcServiceName = msg.getInterfaceName();
        // 生成调用列表hashCode
        int identityHashCode = System.identityHashCode(rpcServiceName);
        // 以调用rpcServiceName名为key,获取一致性hash选择器
        ConsistentHashSelector selector = selectors.get(rpcServiceName);
        // 若不存在则创建新的选择器
        if (selector == null || selector.getIdentityHashCode() != identityHashCode) {
            // 创建ConsistentHashSelector时会生成所有虚拟结点
            selectors.put(rpcServiceName, new ConsistentHashSelector(serviceAddresses,identityHashCode));
            // 获取选择器
            selector = selectors.get(rpcServiceName);
        }
        // 选择结点
        return selector.select(msg);
    }



    private static final class ConsistentHashSelector {

        private final TreeMap<Long, String> virtualInvokers; // 虚拟结点

        private final int replicaNumber = 160;   // 副本数

        private final int identityHashCode;// hashCode

//        private final int[]                     argumentIndex;   // 参数索引数组

        public ConsistentHashSelector(List<String> invokers, int identityHashCode) {