Ribbon

最新推荐文章于 2023-06-11 11:10:55 发布

自饰者～

最新推荐文章于 2023-06-11 11:10:55 发布

阅读量392

点赞数

分类专栏： SpringCloudAlibaba 文章标签： java

本文链接：https://blog.csdn.net/weixin_50212778/article/details/124574407

版权

SpringCloudAlibaba 专栏收录该内容

4 篇文章 0 订阅

订阅专栏

什么是Ribbon:

目前主流的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：
spring cloud中的ribbon，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。
如：服务消费者在注册中心拉取下来一系列的列表，根据负载均衡的某种算法作为分发请求，这就是客户端负载均衡；
在这里插入图片描述
服务端的负载均衡：
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；
比如：订单微服务需要调用其他微服务，其他微服务提供者的集群列表被拉取下来，然后做一系列均衡算法，然后分发请求；
在这里插入图片描述
常规的负载均衡算法：

1.随机，通过随机选择服务进行执行，一般这种方式使用较少;
2.轮训，负载均衡默认实现方式，请求来之后排队处理;
3.加权轮训，通过对服务器性能的分型，给高配置，低负载的服务器分配更高的权重，均衡各个服务器的压力;
4.地址Hash，通过客户端请求的地址的HASH值取模映射进行服务器调度。 ip --->hash
5.最小链接数，即使请求均衡了，压力不一定会均衡，最小连接数法就是根据服务器的情况，比如请求积压数等参数，将请求分配到当前压力最小的服务器上。 最小活跃数

负载均衡的策略：
在这里插入图片描述

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。
AbstractLoadBalancerRule
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。
1.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。
2.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。
3.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。
4.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。
5.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。
6.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）。
7.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。
8.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。

在代码内实现方式：
1：定义配置类
在这里插入图片描述
加入注解：此处定义配置类要必坑，注意类路径不可被扫描到，不然就是全局共享

2：yml中配置：指定服务使用什么负载均衡策略
在这里插入图片描述
3：自定义实现负载均衡

/**
 * 自定义简单实现负载均衡算法
 * @author 
 * @date 2022/5/4
 */

public class myRibbonRule extends AbstractLoadBalancerRule {
    /**
     * 初始化一些配置
     * @param iClientConfig
     */
    @Override
    public void initWithNiwsConfig(IClientConfig iClientConfig) {

    }

    /**
     * 这个就是负载均衡的算法内部方法
     * @param o
     * @return
     */
    @Override
    public Server choose(Object o) {
        //调用父类方法
        ILoadBalancer loadBalancer = this.getLoadBalancer();
        //获取服务实例
        List<Server> reachableServers = loadBalancer.getReachableServers();
        //随机算法获取下标
        int random = ThreadLocalRandom.current().nextInt(reachableServers.size());
        //获取下标的服务
        Server server = reachableServers.get(random);
        return server;
    }
}