dubbo负载均衡策略以及自定义负载均衡

dubbo负载均衡策略以及自定义负载均衡

最近在用dubbo做服务治理，用到了负载均衡，看了下dubbo的源码，整理下。

dubbo的负载均衡类图如下：

LoadBalance是顶层接口,提供了唯一的接口方法select,如下：

标注为@SPI的注解，只有标有@SPI注解的接口类才会查找扩展点的实现，dubbo依次从下面这三个路径读取扩展点文件：META-INF/dubbo/internal 、META-INF/dubbo/ 、META-INF/services/，其中dubbo内部实现的各种扩展文件都放在META-INF/dubbo/internal目录下面，如下定义

所以我们如果要动态扩展LoadBalance，只需要实现该接口，然后将全类名加入到扩展点即可。

AbstractLoadBalance:抽象类，实现了一些通用的权重计算方法，具体的负载均衡交给子类去实现doSelect方法，如下：

dubbo提供了四种负载均衡策略，如下：

下面一一介绍这四种负载均衡策略

1.RandomLoadBalance:按权重随机调用，这种方式是dubbo默认的负载均衡策略，源码如下：

实现思路很简单：如果服务多实例权重相同，则进行随机调用；如果权重不同，按照总权重取随机数

根据总权重数生成一个随机数，然后和具体服务实例的权重进行相减做偏移量，然后找出偏移量小于0的，比如随机数为10，某一个服务实例的权重为12，那么10-12=-2<0成立，则该服务被调用，这种策略在随机的情况下尽可能保证权重大的服务会被随机调用。

01	protected <T> Invoker<T> doSelect(List<Invoker<T>> invokers, URL url, Invocation invocation) {

02	int length = invokers.size(); // 总个数

03	int totalWeight = 0; // 总权重

04	boolean sameWeight = true; // 权重是否都一样

05	for (int i = 0; i < length; i++) {

06	int weight = getWeight(invokers.get(i), invocation);

07	totalWeight += weight; // 累计总权重

08	if (sameWeight && i > 0

09	&& weight != getWeight(invokers.get(i - 1), invocation)) {

10	sameWeight = false; // 计算所有权重是否一样

11

}

12

}

13	if (totalWeight > 0 && ! sameWeight) {

14	// 如果权重不相同且权重大于0则按总权重数随机

15	int offset = random.nextInt(totalWeight);

16	// 并确定随机值落在哪个片断上

17	for (int i = 0; i < length; i++) {

18	offset -= getWeight(invokers.get(i), invocation);

19	if (offset < 0) {

20	return invokers.get(i);

21

}

22

}

23

}

24	// 如果权重相同或权重为0则均等随机

25	return invokers.get(random.nextInt(length));

26

}

2.RoundRobinLoadBalance：轮询，按公约后的权重设置轮询比率

实现思路：首先计算出多服务实例的最大最小权重，如果权重都一样（maxWeight=minWeight），则直接取模轮询；如果权重不一样，每一轮调用，都计算出一个基础的权重值，然后筛选出权重值大于基础权重值得invoker进行取模随机调用。

01	private final ConcurrentMap<String, AtomicPositiveInteger> sequences = new ConcurrentHashMap<String, AtomicPositiveInteger>();

02

03	private final ConcurrentMap<String, AtomicPositiveInteger> weightSequences = new ConcurrentHashMap<String, AtomicPositiveInteger>();

04

05	protected <T> Invoker<T> doSelect(List<Invoker<T>> invokers, URL url, Invocation invocation) {

06	String key = invokers.get(0).getUrl().getServiceKey() + "." + invocation.getMethodName();

07	int length = invokers.size(); // 总个数

08	int maxWeight = 0; // 最大权重

09	int minWeight = Integer.MAX_VALUE; // 最小权重

10	for (int i = 0; i < length; i++) {

11	int weight = getWeight(invokers.get(i), invocation);

12	maxWeight = Math.max(maxWeight, weight); // 累计最大权重

13	minWeight = Math.min(minWeight, weight); // 累计最小权重

14

}

15	if (maxWeight > 0 && minWeight < maxWeight) { // 权重不一样

16	AtomicPositiveInteger weightSequence = weightSequences.get(key);

17	if (weightSequence == null) {

18	weightSequences.putIfAbsent(key, new AtomicPositiveInteger());

19	weightSequence = weightSequences.get(key);

20

}

21	int currentWeight = weightSequence.getAndIncrement() % maxWeight;

22	List<Invoker<T>> weightInvokers = new ArrayList<Invoker<T>>();

23	for (Invoker<T> invoker : invokers) { // 筛选权重大于当前权重基数的Invoker

24	if (getWeight(invoker, invocation) > currentWeight) {

25	weightInvokers.add(invoker);

26

}

27

}

28	int weightLength = weightInvokers.size();

29	if (weightLength == 1) {

30	return weightInvokers.get(0);

31	} else if (weightLength > 1) {

32	invokers = weightInvokers;

33	length = invokers.size();

34

}

35

}

36	AtomicPositiveInteger sequence = sequences.get(key);

37	if (sequence == null) {

38	sequences.putIfAbsent(key, new AtomicPositiveInteger());

39	sequence = sequences.get(key);

40

}

41

// 取模轮循

42	return invokers.get(sequence.getAndIncrement() % length);

43

}

3.LeastActiveLoadBalance：最少活跃次数，dubbo框架自定义了一个Filter，用于计算服务被调用的次数，具体实现自己可以看源码

最小活跃次数思路：首先查找最小活跃数的服务并统计权重和出现的频次，如果最小活跃次数只出现一次，直接使用该服务；如果出现多次且权重不相同，则按照总权重数随机；如果出现多次且权重相同，则随机调用

01	protected <T> Invoker<T> doSelect(List<Invoker<T>> invokers, URL url, Invocation invocation) {

02	int length = invokers.size(); // 总个数

03	int leastActive = -1; // 最小的活跃数

04	int leastCount = 0; // 相同最小活跃数的个数

05	int[] leastIndexs = new int[length]; // 相同最小活跃数的下标

06	int totalWeight = 0; // 总权重

07	int firstWeight = 0; // 第一个权重，用于于计算是否相同

08	boolean sameWeight = true; // 是否所有权重相同

09	for (int i = 0; i < length; i++) {

10	Invoker<T> invoker = invokers.get(i);

11	int active = RpcStatus.getStatus(invoker.getUrl(), invocation.getMethodName()).getActive(); // 活跃数

12	int weight = invoker.getUrl().getMethodParameter(invocation.getMethodName(), Constants.WEIGHT_KEY, Constants.DEFAULT_WEIGHT); // 权重

13	if (leastActive == -1 || active < leastActive) { // 发现更小的活跃数，重新开始

14	leastActive = active; // 记录最小活跃数

15	leastCount = 1; // 重新统计相同最小活跃数的个数

16	leastIndexs[0] = i; // 重新记录最小活跃数下标

17	totalWeight = weight; // 重新累计总权重

18	firstWeight = weight; // 记录第一个权重

19	sameWeight = true; // 还原权重相同标识

20	} else if (active == leastActive) { // 累计相同最小的活跃数

21	leastIndexs[leastCount ++] = i; // 累计相同最小活跃数下标

22	totalWeight += weight; // 累计总权重

23	// 判断所有权重是否一样

24	if (sameWeight && i > 0

25	&& weight != firstWeight) {

26	sameWeight = false;

27

}

28

}

29

}

30	// assert(leastCount > 0)

31	if (leastCount == 1) {

32	// 如果只有一个最小则直接返回

33	return invokers.get(leastIndexs[0]);

34

}

35	if (! sameWeight && totalWeight > 0) {

36	// 如果权重不相同且权重大于0则按总权重数随机

37	int offsetWeight = random.nextInt(totalWeight);

38	// 并确定随机值落在哪个片断上

39	for (int i = 0; i < leastCount; i++) {

40	int leastIndex = leastIndexs[i];

41	offsetWeight -= getWeight(invokers.get(leastIndex), invocation);

42	if (offsetWeight <= 0)

43	return invokers.get(leastIndex);

44

}

45

}

46	// 如果权重相同或权重为0则均等随机

47	return invokers.get(leastIndexs[random.nextInt(leastCount)]);

48

}

4.ConsistentHashLoadBalance：一致性hash

一致性Hash负载均衡涉及到两个主要的配置参数为hash.arguments 与hash.nodes。

hash.arguments ： 当进行调用时候根据调用方法的哪几个参数生成key，并根据key来通过一致性hash算法来选择调用结点

hash.nodes： 为结点的副本数。

01	@SuppressWarnings("unchecked")

02

@Override

03	protected <T> Invoker<T> doSelect(List<Invoker<T>> invokers, URL url, Invocation invocation) {

04	//获取调用方法名称

05	String key = invokers.get(0).getUrl().getServiceKey() + "." + invocation.getMethodName();

06	//生成调用列表的hashcode

07	int identityHashCode = System.identityHashCode(invokers);

08	//根据方法名key获取一致性hash选择器

09	ConsistentHashSelector<T> selector = (ConsistentHashSelector<T>) selectors.get(key);

10	if (selector == null || selector.getIdentityHashCode() != identityHashCode) {

11	selectors.put(key, new ConsistentHashSelector<T>(invokers, invocation.getMethodName(), identityHashCode));

12	selector = (ConsistentHashSelector<T>) selectors.get(key);

13

}

14

//选择节点

15	return selector.select(invocation);

16

}

01	private static final class ConsistentHashSelector<T> {

02

03	private final TreeMap<Long, Invoker<T>> virtualInvokers;//虚拟节点

04

05	private final int                       replicaNumber;//副本数

06

07	private final int                       identityHashCode;//调用节点的hashcode

08

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

10

11	public ConsistentHashSelector(List<Invoker<T>> invokers, String methodName, int identityHashCode) {

12	this.virtualInvokers = new TreeMap<Long, Invoker<T>>();

13	this.identityHashCode = System.identityHashCode(invokers);

14	URL url = invokers.get(0).getUrl();

15	//获取所配置的虚拟节点数，默认为160个

16	this.replicaNumber = url.getMethodParameter(methodName, "hash.nodes", 160);

17	String[] index = Constants.COMMA_SPLIT_PATTERN.split(url.getMethodParameter(methodName, "hash.arguments", "0"));

18	argumentIndex = new int[index.length];

19	for (int i = 0; i < index.length; i ++) {

20	argumentIndex[i] = Integer.parseInt(index[i]);

21

}

22	//创建虚拟节点，对每一个Invoker生成replicaNumber个虚拟节点并存放于virtualInvokers中

23	for (Invoker<T> invoker : invokers) {

24	for (int i = 0; i < replicaNumber / 4; i++) {

25	byte[] digest = md5(invoker.getUrl().toFullString() + i);

26	for (int h = 0; h < 4; h++) {

27	long m = hash(digest, h);

28	virtualInvokers.put(m, invoker);

29

}

30

}

31

}

32

}

33

34	..........省略..........

35

36

}

5.自定义负载均衡策略

自定义类，只需要实现AbstractLoadBalance抽象类即可，然后将该类放入dubbo可发现的扩展点即可。