Java后端技术-Ribbon学习笔记

Ribbon简介

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Netflx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。

Ribbon已经进入维护模式

Ribbon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。

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。

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。

Ribbon工作步骤

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。

Ribbon核心组件IRule

IRule：根据特定算法从服务列表中选取一个要访问的服务

RoundRobinRule：轮询，出厂默认使用轮询

RandomRule：随机

RetryRule：先按照RoundRobinRule的策略获取服务，如果获取服务失败则在指定时间内会进行重试，获取可用服务

WeightedResponseTimeRule：对RandomRule的扩展，响应速度越快的实例选择权重越大，越容易被选择

BestAvaliableRule：会先过滤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小的服务

AvailabilityFilteringRule：先过滤掉故障实例，再选择并发较小的实例

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

替换IRule算法

Ribbon负载规则替换的自定义配置类不能放在@ComponentScan所扫描的当前包及其子包下，否则自定义的这个配置类会被所有的Ribbon客户端所共享，达不到特殊化定制的目的。

因此需要新建package和和@ComponentScan所在包隔离，创建MySelfRule自定义配置类

@Configuration
public class MySelfRule {
    @Bean
    public IRule myRule() {
        // 定义为随机负载算法
        return new RandomRule();
    }
}

主启动类上添加注解

Ribbon负载均衡算法

Ribbon默认负载轮询算法原理

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，每次服务重启动后rest接口计数从1开始。

RoundRobinRule源码

public Server choose(ILoadBalancer lb, Object key) {
    	// 没有选择负载均衡算法 报错
        if (lb == null) {
            log.warn("no load balancer");
            return null;
        } else {
            // 选择哪个服务器访问 默认为null下面进行判断选择
            Server server = null;
            // 初始化为第0台
            int count = 0;
            while(true) {
                if (server == null && count++ < 10) {
                    // 找到能提供服务的服务器
                    List<Server> reachableServers = lb.getReachableServers();
                    // 找到所有的服务器
                    List<Server> allServers = lb.getAllServers();
                    // 可以使用的服务器个数
                    int upCount = reachableServers.size();
                    // 全部服务器个数
                    int serverCount = allServers.size();
                    if (upCount != 0 && serverCount != 0) {
                        // 核心算法，得到这次可提供服务器的下标，serverCount：全部服务器个数
                        int nextServerIndex = this.incrementAndGetModulo(serverCount);
                        // 在所有的服务器中选择第nextServerIndex的服务器提供服务
                        server = (Server)allServers.get(nextServerIndex);
                        if (server == null) {
                            Thread.yield();
                        } else {
                            if (server.isAlive() && server.isReadyToServe()) {
                                return server;
                            }
                            server = null;
                        }
                        continue;
                    }
                    // 如果可用的服务器个数为0或者全部服务器个数为0 报异常
                    log.warn("No up servers available from load balancer: " + lb);
                    return null;
                }
                if (count >= 10) {
                    log.warn("No available alive servers after 10 tries from load balancer: " + lb);
                }
                return server;
            }
        }
    }

private int incrementAndGetModulo(int modulo) {
    int current;
    int next;
    do {
        // nextServerCyclicCounter初始是0，构造器构建的
        current = this.nextServerCyclicCounter.get();
        next = (current + 1) % modulo;
    } while(!this.nextServerCyclicCounter.compareAndSet(current, next));
    // compareAndSet 比较并交换 JUC的自旋锁
    return next;
}

public final boolean compareAndSet(int expect, int update) {
    // this：当前对象的值
    // valueOffset：内存里的地址
    // expect：期望值
    // update：新值
    return unsafe.compareAndSwapInt(this, valueOffset, expect, update);
}

手写Ribbon轮询算法

LoadBalancer接口，收集现在能够提供服务的机器有多少台

public interface LoadBalancer {
    // 收集现在能够提供服务的机器有多少台
    ServiceInstance instances(List<ServiceInstance> serviceInstances);
}

MyLB

@Component
public class MyLB implements LoadBalancer {

    private AtomicInteger atomicInteger = new AtomicInteger(0);

    public final int getAndIncrement() {
        int current;
        int next;
        do {
            current = this.atomicInteger.get();
            // 超过Int的最大值重置为1防止越界
            next = current >= Integer.MAX_VALUE ? 0 : current + 1;
        } while (!this.atomicInteger.compareAndSet(current, next));//期望值是current，修改值是next
        System.out.println("****第几次访问，次数next: " + next);
        return next;
    }

    //  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，每次服务重启动后rest接口计数从1开始。
    @Override
    public ServiceInstance instances(List<ServiceInstance> serviceInstances) {
        int index = getAndIncrement() % serviceInstances.size();
        return serviceInstances.get(index);
    }
}

测试是否生效

@RestController
@Slf4j
public class OrderController {
    @Resource
    private RestTemplate restTemplate;

    @Resource
    private LoadBalancer loadBalancer;
    
    @Resource
    private DiscoveryClient discoveryClient;

    @GetMapping("consumer/payment/lb")
    public String getPaymentLB() {
        List<ServiceInstance> instances = discoveryClient.getInstances("CLOUD-PAYMENT-SERVICE");
        if (instances == null || instances.size() <= 0) {
            return null;
        }
        ServiceInstance instance = loadBalancer.instances(instances);
        URI uri = instance.getUri();
        return restTemplate.getForObject(uri + "/payment/lb", String.class);
    }
}