SpringCloud—Ribbon负载均衡服务调用
1. 概述
Ⅰ. Ribbon是什么
Spring Cloud Ribbon是基于Netflix Ribbon实现的一套 客户端 负载均衡的工具。
简单的说,Ribbon是Netflix发布的开源项目,主要功能是提供客户端的软件负载均衡算法和服务调用。Ribbon客户端组件提供一系列完善的配置项如连接超时,重试等。简单的说,就是在配置文件中列出Load Balancer(简称LB)后面所有的机器,Ribbon会自动的帮助你基于某种规则(如简单轮询,随机连接等)去连接这些机器。我们很容易使用Ribbon实现自定义的负载均衡算法。
目前也进入维护模式,未来替换方案:
Spring Cloud Loadbalancer
Ⅱ. Ribbon能做什么
LB(负载均衡)
LB负载均衡 (Load Balance) 是什么
简单的说就是将用户的请求平摊的分配到多个服务上,从而达到系统的HA(高可用)。
常见的负载均衡有软件Nginx,LVS,硬件 F5等。
Ribbon本地负载均衡客户端 VS Nginx服务端负载均衡区别
Nginx是服务器负载均衡,客户端所有请求都会交给nginx,然后由nginx实现转发请求。即负载均衡是由服务端实现的。
Ribbon本地负载均衡,在调用微服务接口时候,会在注册中心上获取注册信息服务列表之后缓存到JVM本地,从而在本地实现RPC远程服务调用技术。
-
集中式LB
➢ 即在服务的消费方和提供方之间使用独立的LB设施(可以是硬件,如F5, 也可以是软件,如nginx),由该设施负责把访问请求通过某种策略转发至服务的提供方。
-
进程内LB
➢ 将LB逻辑集成到消费方,消费方从服务注册中心获知有哪些地址可用,然后自己再从这些地址中选择出一个合适的服务器。
➢ Ribbon就属于进程内LB,它只是一个类库,集成于消费方进程,消费方通过它来获取到服务提供方的地址。
一句话:Ribbon = 负载均衡 + RestTemplate调用
2. Ribbon负载均衡演示
Ⅰ. 架构说明
Ribbon在工作时分成两步:
- 第一步先选择 EurekaServer,它优先选择在同一个区域内负载较少的server。
- 第二步再根据用户指定的策略,在从server取到的服务注册列表中选择一个地址。
- 其中Ribbon提供了多种策略:比如轮询、随机和根据响应时间加权。
总结:Ribbon其实就是一个软负载均衡的客户端组件,他可以和其他所需请求的客户端结合使用,和eureka结合只是其中的一个实例。
Ⅱ. POM
之前写样例时候没有引入 spring-cloud-starter-ribbon
也可以使用 Ribbon
:
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-starter-netflix-ribbon</artifactId>
</dependency>
猜测 spring-cloud-starter-netflix-eureka-client
自带了 spring-cloud-starter-ribbon
引用
证明如下:可以看到 spring-cloud-starter-netflix-eureka-client
确实引入了 Ribbon
:
Ⅲ. 二说RestTemplate的使用
-
getForObject() / getForEntity()
➢
getForObject()
返回对象为响应体中数据转化成的对象,基本上可以理解为Json(推荐)➢
getForEntity()
返回对象为ResponseEntity对象,包含了响应中的一些重要信息,比如响应头、响应状态码、响应体等 -
postForObject() / postForEntity()
3. Ribbon核心组件IRule
Ⅰ. IRule:根据特定算法中从服务列表中选取一个要访问的服务
IRule是一个接口,其源码如下:
package com.netflix.loadbalancer;
/**
* Interface that defines a "Rule" for a LoadBalancer. A Rule can be thought of
* as a Strategy for loadbalacing. Well known loadbalancing strategies include
* Round Robin, Response Time based etc.
*
* @author stonse
*
*/
public interface IRule{
/*
* choose one alive server from lb.allServers or
* lb.upServers according to key
*
* @return choosen Server object. NULL is returned if none
* server is available
*/
public Server choose(Object key);
public void setLoadBalancer(ILoadBalancer lb);
public ILoadBalancer getLoadBalancer();
}
以下是IRule接口的部分实现,这些实现分别对应了若干负载均衡算法:
以下简要说明7种主要的负载均衡算法,这些负载均衡算法均是抽象类 com.netflix.loadbalancer.AbstractLoadBalancerRule
的实现,而给抽象类实现了IRule接口
:
- com.netflix.loadbalancer.RoundRobinRule:轮询,为默认的负载均衡算法。
- com.netflix.loadbalancer.RandomRule:随机。
- com.netflix.loadbalancer.RetryRule:先按照RoundRobinRule(轮询)的策略获取服务,如果获取服务失败则在指定时间内进行重试,获取可用的服务。
- com.netflix.loadbalancer.WeightedResponseTimeRule:对RoundRobinRule的扩展,响应速度越快的实例选择权重越大,越容易被选择。
- com.netflix.loadbalancer.BestAvailableRule:先过滤掉由于多次访问故障而处于断路器跳闸状态的服务,然后选择一个并发量最小的服务。
- com.netflix.loadbalancer.AvailabilityFilteringRule:先过滤掉故障实例,再选择并发较小的实例。
- com.netflix.loadbalancer.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。
Ⅱ. 如何替换
-
修改
cloud-consumer-order80
-
注意配置细节
➢ 官方文档明确给出了警告:
这个自定义配置类不能放在@ComponentScan所扫描的当前包下以及子包下,
否则我们自定义的这个配置类就会被所有的Ribbon客户端所共享,达不到特殊化定制的目的了。
-
新建
package
➢
com.atguigu.myrule
-
上面包下新建
MySelfRule
规则类 -
主启动类添加
@RibbonClient
-
测试
http://localhost/consumer/payment/get/31
如图我们用服务消费方访问服务提供方的微服务时,8001和8002不再交替轮询访问,而是随机访问:
4. Ribbon负载均衡算法
Ⅰ. 默认负载均衡算法(轮询)原理
负载均衡算法:Rest接口第几次请求数 % 服务器集群总数量 = 实际调用服务器位置下标,每次服务重启后Rest接口计数从1开始。
List<ServiceInstance> instances = discoveryClient.getInstances("CLOUD-PAYMENT-SERVICE"); // list.size() = 2
根据服务方的服务名,获取其所有实例,如有以下实例:
List[0] instances | List[1] instances | |
---|---|---|
服务名 | payment8001 | payment8002 |
服务地址 | 127.0.0.1:8001 | 127.0.0.1:8002 |
8001 + 8002 8001 + 8002 8001+8002 组合成一个集群,共计 2 2 2 台机器,集群总数为 2 2 2,按照轮询负载均衡算法原理:
- 请求总数为
1
1
1 时,
1
%
2
=
1
1 \ \%\ 2 = 1
1 % 2=1,对应下标位置是
1
1
1,获得服务地址
127.0.0.1:8001
- 请求总数为
2
2
2 时,
2
%
2
=
0
2 \ \% \ 2 = 0
2 % 2=0,对应下标位置是
0
0
0,获得服务地址
127.0.0.1:8002
- 请求总数为
3
3
3 时,
3
%
2
=
1
3 \ \%\ 2 = 1
3 % 2=1,对应下标位置是
1
1
1,获得服务地址
127.0.0.1:8001
- 依次类推…
Ⅱ. 源码分析
package com.netflix.loadbalancer;
import com.netflix.client.config.IClientConfig;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import java.util.List;
import java.util.concurrent.atomic.AtomicInteger;
/**
* The most well known and basic load balancing strategy, i.e. Round Robin Rule.
*
* @author stonse
* @author Nikos Michalakis <nikos@netflix.com>
*
*/
public class RoundRobinRule extends AbstractLoadBalancerRule {
private AtomicInteger nextServerCyclicCounter;
private static final boolean AVAILABLE_ONLY_SERVERS = true;
private static final boolean ALL_SERVERS = false;
private static Logger log = LoggerFactory.getLogger(RoundRobinRule.class);
// 构造方法
public RoundRobinRule() {
nextServerCyclicCounter = new AtomicInteger(0); // 返回原子整型类 初始值为0
}
public RoundRobinRule(ILoadBalancer lb) {
this();
setLoadBalancer(lb);
}
// choose():选择哪一个负载均衡的算法
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) {
// 获得还活着的健康的服务实例(机器)即可达的,也就是Status为up的实例
List<Server> reachableServers = lb.getReachableServers();
// 获取所有服务实例,无论是死是活,只要注册进服务中心即可
List<Server> allServers = lb.getAllServers();
// Status为up的服务实例数量
int upCount = reachableServers.size();
// 所有服务实例的数量,对应上述原理分析中的服务器集群总数量
int serverCount = allServers.size();
// 如果没有可达的服务实例的话,直接log警告
if ((upCount == 0) || (serverCount == 0)) {
log.warn("No up servers available from load balancer: " + lb);
return null;
}
// 调用服务器位置下标 = incrementAndGetModulo(服务器集群总数)
int nextServerIndex = incrementAndGetModulo(serverCount);
server = allServers.get(nextServerIndex); // 根据下标获取服务实例
if (server == null) {
/* Transient. */
Thread.yield();
continue;
}
if (server.isAlive() && (server.isReadyToServe())) {
return (server);
}
// Next.
server = null;
}
if (count >= 10) {
log.warn("No available alive servers after 10 tries from load balancer: "
+ lb);
}
return server;
}
/**
* Inspired by the implementation of {@link AtomicInteger#incrementAndGet()}.
*
* @param modulo The modulo to bound the value of the counter.
* @return The next value.
*/
private int incrementAndGetModulo(int modulo) {
// 自旋锁
for (;;) {
// 轮询算法
int current = nextServerCyclicCounter.get();
int next = (current + 1) % modulo;
if (nextServerCyclicCounter.compareAndSet(current, next)) // CAS
return next;
}
}
@Override
public Server choose(Object key) {
return choose(getLoadBalancer(), key);
}
@Override
public void initWithNiwsConfig(IClientConfig clientConfig) {
}
}
Ⅲ. 自己实现轮询负载均衡算法
-
7001/7002集群启动
-
8001/8002微服务改造
➢
controller
-
80订单微服务改造
➢ ApplicationContextBean去掉注解
@LoadBalanced
➢ LoadBalancer接口
public interface LoadBalancer { ServiceInstance instances(List<ServiceInstance> serviceInstances); }
➢ MyLB
@Component public class MyLB implements LoadBalancer { private AtomicInteger atomicInteger = new AtomicInteger(0); // 初始值为0 // 拿到访问次数 public final int getAndIncrement() { int current; int next; // 自旋锁 do { current = this.atomicInteger.get(); next = current >= Integer.MAX_VALUE ? 0 : current + 1; } while(!this.atomicInteger.compareAndSet(current, next)); // CAS System.out.println("******第几次访问,次数next: " + next); return next; } /** * 从服务列表中用轮询负载均衡算法选择出具体的实例 * Rest接口第几次请求数 % 服务器集群总数量 = 实际调用服务器位置下标 * @param serviceInstances * @return */ @Override public ServiceInstance instances(List<ServiceInstance> serviceInstances) { int index = getAndIncrement() % serviceInstances.size(); return serviceInstances.get(index); } }
➢ OrderController
➢ 测试
http://localhost/consumer/payment/lb