微服务负载均衡 Ribbon

微服务负载均衡

什么是Ribbon?

目前的主流负载方案分为以下两种：

1，集中式负载均衡，在消费者和服务提供方中间使用独立的代理方式进行负载，有硬件的（比如 F5），也有软件的（比如Nginx）。

2，客户端根据自己的请求情况做负载均衡，Ribbon 就属于客户端自己做负载均衡

Spring Cloud Ribbon是基于Netflix Ribbon 实现的一套客户端的负载均衡工具，Ribbon客户端组件提供一系列的完善的配置，如超时，重试等。通过Load Balancer获取到服务提供的所有机器实例，Ribbon会自动基于某种规则(轮询，随机)去调用这些服务。Ribbon也可以实现我们自己的负载均衡算法。

客户端的负载均衡

​ 客户端会有一个服务器地址列表，在发送请求前通过负载均衡算法选择一个服务器，然后进行访问，这是客户端负载均衡；即在客户端就进行负载均衡算法分配。

通过消费者自己一端实现一个负载均衡器，然后提前去拉取服务列表，通过自己实现的负载均衡的机制进行负载均衡的请求。

服务端的负载均衡

例如Nginx，通过Nginx进行负载均衡，先发送请求，然后通过负载均衡算法，在多个服务器之间选择一个进行访问；即在服务器端再进行负载均衡算法分配

通过中间层来实现。集群服务的远程服务地址配置在nginx中。

常见的负载均衡算法

1.轮询法(Round Robin)

​ 思想就是：任何情况下都对所有的服务器节点全部按顺序来，将请求按照顺序轮流地分配到各个服务器上。这种算法会使每台服务器处理的请求是相同的，所以适合用于服务器硬件条件基本都相同的情况。

2.加权轮询法(Weight Robin)

​ 在轮询算法的基础上添加了权重的条件，刚才提到的轮询算法对所有服务器“一视同仁”，那么加权轮询算法无疑就是对各个服务器有了“高低贵贱之分”，没办法，服务器的吃力水平不同，只能让那些强悍的机器优先并多处理一些请求，比较弱的机器就让它稍稍压力小一点。

3.随机法(Random)

随机算法也是一种使用场景比较多的负载均衡算法，这种算法基本思想也是很简单的，随机生成一个数字（或者随机挑一个IP地址）出来，然后挑到谁就是谁，当然，如果随机数是等概况生成的，那时间长了，基本上跟轮询算法没有什么区别，区别最主要的还是在顺序上，随机算法没有那么严格的顺序。

4.加权随机法(Weight Random)

​ 加权随机算法是在随机算法的基础上加了加权的条件，随机法时间长了，基本上跟一般轮询算法就没啥区别了，刚才也说到了，如果服务器的配置都差不多，可以分配差不多的任务，但是如果服务器吃力能力差异比较大，那水平高的和水平低的服务器都给那么多任务，对于高配置的服务器来说就是有点浪费了，对于低配置的服务器来说就有点吃不消，所以在这种配置差异性比较大的情况下，加权的工作还是必要的。

5.最小连接法(Least Connections)

这种算法的思想也是非常简单的，顾名思义，那个服务器的连接数少，就分配给哪个服务器新的请求，合情合理，但是这种算法的缺点就是，当一个比较弱的服务器和一个比较彪悍的服务器，本来就是前者连接的要少，后者要大，如果非要谁的少新请求分配给谁的话，那就是弱服务器的连接要等于强服务器的连接，无疑这样会让弱服务器吃不消，或者造成强服务器的浪费，所以这里还可以使用加权的方法解决这样的问题------加权最小连接法。（哪一台连接数最小就是发给哪一台）

6.源地址哈希法(Hash)

Hash法对于大部分的程序员来说并不陌生，源地址哈希法可以把客户端的IP地址拿出来，然后计算出IP地址的hash值，hash值是一个很大的正整数，那么怎样才能映射到相对应的服务器上呢？

 serverPosition=hashCode%serverListSize

来源：https://blog.csdn.net/xiaoxinxin123456789/article/details/85699584

Ribbon的使用

如果使用了nacos-discovery可以不用再引入ribbon的依赖。因为nacos-discovery依赖了Ribbon。

@LoadBalanced注解

在使用 RestTemplate 的时候 如果 RestTemplate 上面有 这个注解，那么 这个 RestTemplate 调用的 远程地址，会走负载均衡器。

使用：

@Bean
@LoadBalanced //开启负载均衡的功能
RestTemplate restTemplate() {
    return new RestTemplate();
}

LoadBalanced源码：

/**
 * Annotation to mark a RestTemplate bean to be configured to use a LoadBalancerClient
 * @author Spencer Gibb
 */
@Target({ ElementType.FIELD, ElementType.PARAMETER, ElementType.METHOD })
@Retention(RetentionPolicy.RUNTIME)
@Documented
@Inherited
@Qualifier
public @interface LoadBalanced {
}

原理：

使用了这个注解以后 ，会在restTemplate 里面 通过 restTemplate.setInterceptors 放入LoadBalancerInterceptor ，这个过滤器会在 请求远程成接口的时候 动态判断请求的域是不是 负载 负载均衡支付的服务的地址，如果是，那么就会代理 使用 这个负载均衡器 来调用。

Ribbon负载均衡策略

IRule
这是所有负载均衡策略的父接口，里边的核心方法就是choose方法，用来选择一个服务实例。比如订单负载均衡调用库存，库存有两个实例，那么这时候就是choose来选择一个进行调用。

AbstractLoadBalancerRule（统一的基类）
AbstractLoadBalancerRule是一个抽象类，里边主要定义了一个ILoadBalancer，这里定义它的目的主要是辅助负责均衡策略选取合适的服务端实例。

RandomRule
看名字就知道，这种负载均衡策略就是随机选择一个服务实例，看源码我们知道，在RandomRule的无参构造方法中初始化了一个Random对象，然后在它重写的choose方法又调用了choose(ILoadBalancer lb, Object key)这个重载的choose方法，在这个重载的choose方法中，每次利用random对象生成一个不大于服务实例总数的随机数，并将该数作为下标所以获取一个服务实例。

RoundRobinRule
RoundRobinRule这种负载均衡策略叫做线性轮询负载均衡策略。这个类的choose(ILoadBalancer lb, Object key)函数整体逻辑是这样的：开启一个计数器count，在while循环中遍历服务清单，获取清单之前先通过incrementAndGetModulo方法获取一个下标，这个下标是一个不断自增长的数先加1然后和服务清单总数取模之后获取到的（所以这个下标从来不会越界），拿着下标再去服务清单列表中取服务，每次循环计数器都会加1，如果连续10次都没有取到服务，则会报一个警告No available alive servers after 10 tries from load balancer: XXXX。

RetryRule （在轮询的基础上进行重试）
看名字就知道这种负载均衡策略带有重试功能。首先RetryRule中又定义了一个subRule，它的实现类是RoundRobinRule，然后在RetryRule的choose(ILoadBalancer lb, Object key)方法中，每次还是采用RoundRobinRule中的choose规则来选择一个服务实例，如果选到的实例正常就返回，如果选择的服务实例为null或者已经失效，则在失效时间deadline之前不断的进行重试（重试时获取服务的策略还是RoundRobinRule中定义的策略），如果超过了deadline还是没取到则会返回一个null。

WeightedResponseTimeRule（ 权重 —nacos的NacosRule ，Nacos还扩展了一个自己的基于配置的权重扩展 ）
WeightedResponseTimeRule是RoundRobinRule的一个子类，在WeightedResponseTimeRule中对RoundRobinRule的功能进行了扩展，WeightedResponseTimeRule中会根据每一个实例的运行情况来给计算出该实例的一个权重，然后在挑选实例的时候则根据权重进行挑选，这样能够实现更优的实例调用。WeightedResponseTimeRule中有一个名叫DynamicServerWeightTask的定时任务，默认情况下每隔30秒会计算一次各个服务实例的权重，权重的计算规则也很简单，如果一个服务的平均响应时间越短则权重越大，那么该服务实例被选中执行任务的概率也就越大。

ClientConfigEnabledRoundRobinRule
ClientConfigEnabledRoundRobinRule选择策略的实现很简单，内部定义了RoundRobinRule，choose方法还是采用了RoundRobinRule的choose方法，所以它的选择策略和RoundRobinRule的选择策略一致，不赘述。

BestAvailableRule
BestAvailableRule继承自ClientConfigEnabledRoundRobinRule，它在ClientConfigEnabledRoundRobinRule的基础上主要增加了根据loadBalancerStats中保存的服务实例的状态信息来过滤掉失效的服务实例的功能，然后顺便找出并发请求最小的服务实例来使用。然而loadBalancerStats有可能为null，如果loadBalancerStats为null，则BestAvailableRule将采用它的父类即ClientConfigEnabledRoundRobinRule的服务选取策略（线性轮询）。

ZoneAvoidanceRule （ 默认规则，复合判断server所在区域的性能和server的可用性选择服务器。 ）
ZoneAvoidanceRule是PredicateBasedRule的一个实现类，只不过这里多一个过滤条件，ZoneAvoidanceRule中的过滤条件是以ZoneAvoidancePredicate为主过滤条件和以AvailabilityPredicate 为次过滤条件组成的一个叫做CompositePredicate的组合过滤条件，过滤成功之后，继续采用线性轮询( RoundRobinRule )的方式从过滤结果中选择一个出来。

AvailabilityFilteringRule（先过滤掉故障实例，再选择并发较小的实例）
过滤掉一直连接失败的被标记为circuit tripped的后端Server，并过滤掉那些高并发的后端Server或者使用一个AvailabilityPredicate来包含过滤server的逻辑，其实就是检查status里记录的各个Server的运行状态。

失败的被标记为circuit tripped的后端Server，并过滤掉那些高并发的后端Server或者使用一个AvailabilityPredicate来包含过滤server的逻辑，其实就是检查status里记录的各个Server的运行状态。