开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> Java知识库 -> 负载均衡Ribbon -> 正文阅读

[Java知识库]负载均衡Ribbon

负载均衡Ribbon

什么是Ribbon

目前主流的负载均衡分为两种:

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,比如硬件有F5,软件如nginx
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,比如超时、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

例如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,也就是在客户端就进行负载均衡算法的分配

详细链接： https://www.processon.com/view/link/6269fb41f346fb6712a73f93

客户端负载均衡-Eureka.png

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

详细链接： https://www.processon.com/view/link/6269fcc9079129397f21f5bd

服务端负载均衡-Nginx.png

常见的负载均衡算法

随机
- 通过随机选择服务进行执行,一般这种方式使用较少
轮训
- 负载均衡默认实现方式,请求来之后排队处理
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
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
最小连接数
- 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

Ribbon的使用

public class RibbonDemo {

    public static void main(String[] args) {
        // 服务列表
        List<Server> serverList = Lists.newArrayList(
                new Server("localhost", 8020),
                new Server("localhost", 8021));
        // 构建负载实例
        ILoadBalancer loadBalancer = LoadBalancerBuilder.newBuilder()
                .buildFixedServerListLoadBalancer(serverList);
        // 调用 5 次来测试效果
        for (int i = 0; i < 5; i++) {
            String result = LoadBalancerCommand.<String>builder()
                    .withLoadBalancer(loadBalancer).build()
                    .submit(new ServerOperation<String>() {
                        @Override
                        public Observable<String> call(Server server) {
                            String addr = "http://" + server.getHost() + ":" +
                                    server.getPort() + "/order/findOrderByUserId/1";
                                System.out.println(" 调用地址：" + addr);
                            URL url = null;
                            try {
                                url = new URL(addr);
                                HttpURLConnection conn = (HttpURLConnection) url.openConnection();
                                conn.setRequestMethod("GET");
                                conn.connect();
                                InputStream in = conn.getInputStream();
                                byte[] data = new byte[in.available()];
                                in.read(data);
                                return Observable.just(new String(data));
                            } catch (Exception e) {
                                e.printStackTrace();
                            }
                            return null;
                        }
                    }).toBlocking().first();

            System.out.println(" 调用结果：" + result);
        }
    }

}

Spring Cloud整合Ribbon

引入依赖

<!--添加ribbon的依赖-->
<dependency>
  <groupId>org.springframework.cloud</groupId>
  <artifactId>spring-cloud-starter-netflix-ribbon</artifactId>
</dependency>

nacos-discovery依赖了ribbon,可以不用再引入ribbon依赖

添加@LoadBalanced注解

 @Bean
 @LoadBalanced
 public RestTemplate restTemplate() {
     return new RestTemplate();
 }

Ribbon内部原理

详细链接: https://www.processon.com/view/link/626a053b7d9c0807282cdd3a

Ribbon内部原理.png

模拟Ribbon轮询算法实现

@Autowired
private DiscoveryClient discoveryClient;

public String getUri(String serviceName) {
    List<ServiceInstance> serviceInstances = discoveryClient.getInstances(serviceName);
    if (serviceInstances == null || serviceInstances.isEmpty()) {
        return null;
    }
    int serviceSize = serviceInstances.size();
    // 轮询
    int indexServer = incrementAndGetModulo(serviceSize);
    return serviceInstances.get(indexServer).getUri().toString();
}
private AtomicInteger nextIndex = new AtomicInteger(0);
private int incrementAndGetModulo(int modulo) {
    for (;;) {
        int current = nextIndex.get();
        int next = (current + 1) % modulo;
        if (nextIndex.compareAndSet(current, next) && current < modulo){
            return current;
        }
    }
}

@LoadBalanced 注解原理

LoadBalancerAutoConfiguration

@LoadBalanced利用@Qualifier作为restTemplates注入的筛选条件,筛选出具有负载均衡标识的RestTemplate

@Configuration(
    proxyBeanMethods = false
)
@ConditionalOnClass({RestTemplate.class})
@ConditionalOnBean({LoadBalancerClient.class})
@EnableConfigurationProperties({LoadBalancerRetryProperties.class})
public class LoadBalancerAutoConfiguration {
 ....

    @Configuration(
        proxyBeanMethods = false
    )
    @ConditionalOnMissingClass({"org.springframework.retry.support.RetryTemplate"})
    static class LoadBalancerInterceptorConfig {
        LoadBalancerInterceptorConfig() {
        }

        @Bean
        public LoadBalancerInterceptor ribbonInterceptor(LoadBalancerClient loadBalancerClient, LoadBalancerRequestFactory requestFactory) {
            return new LoadBalancerInterceptor(loadBalancerClient, requestFactory);
        }

        @Bean
        @ConditionalOnMissingBean
        public RestTemplateCustomizer restTemplateCustomizer(final LoadBalancerInterceptor loadBalancerInterceptor) {
            return (restTemplate) -> {
                List<ClientHttpRequestInterceptor> list = new ArrayList(restTemplate.getInterceptors());
               // 添加了loadBancerInterceptor拦截器
                list.add(loadBalancerInterceptor);
                restTemplate.setInterceptors(list);
            };
        }
    }
}

Ribbon相关接口

org.springframework.cloud.netflix.ribbon.****RibbonClientConfiguration

IClientConfig：Ribbon的客户端配置,默认采用DefaultClientConfigImpl实现

IRule：Ribbon的负载均衡策略,默认采用ZoneAvoidanceRule实现,该策略能够在多区域环境下选出最佳区域的实例进行访问

IPing：Ribbon的实例检查策略,默认采用DummyPing实现,该检查策略是一个特殊的实现,实际上它并不会检查实例是否可用,而是始终返回true,默认认为所有服务实例都是可用的

ServerList：服务实例清单的维护机制,默认采用ConfigurationBasedServerList实现

ServerListFilter：服务实例清单过滤机制,默认采ZonePreferenceServerListFilter,该策略能够优先过滤出与请求方处于同区域的服务实例

ILoadBalancer：负载均衡器,默认采用ZoneAwareLoadBalancer实现,它具备了区域感知的能力

Ribbon负载均衡策略

RandomRule：随机选择一个Server
RetryRule：对选定的负载均衡策略机上重试机制,在一个配置时间段内当选择Server不成功,则一直尝试使用subRule的方式选择一个可用的server
RoundRobinRule：轮询选择, 轮询index,选择index对应位置的Server
AvailabilityFilteringRule：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。
BestAvailableRule：选择一个最小的并发请求的Server,逐个考察Server,如果Server被tripped了,则跳过
WeightedResponseTimeRule：根据响应时间加权，响应时间越长，权重越小，被选中的可能性越低
ZoneAvoidanceRule： 默认的负载均衡策略,即复合判断Server所在区域的性能和Server的可用性选择Server,在没有区域的环境下,类似于轮询(RandomRule)
NacosRule: 同集群优先调用

修改默认负载均衡策略

全局配置：调用其他微服务,一律使用指定的负载均衡算法

@Bean
public IRule() {
    // 指定使用Nacos提供的负载均衡策略(优先调用同一集群的实例,基于随机权重)
    return new NacosRule();
}

局部配置:调用指定微服务提供的服务时,使用对应的负载均衡算法

修改application.yml

# 被调用的微服务名
mall-order:
  ribbon:
    # 指定使用Nacos提供的负载均衡策略（优先调用同一集群的实例，基于随机&权重）
    NFLoadBalancerRuleClassName: com.alibaba.cloud.nacos.ribbon.NacosRule

自定义负载均衡策略

通过实现IRule接口可以自定义负载策略,主要的选择服务逻辑在 choose 方法中

实现基于Nacos权重的负载均衡策略

@Slf4j
public class NacosRandomWithWeightRule extends AbstractLoadBalancerRule {

    @Autowired
    private NacosDiscoveryProperties nacosDiscoveryProperties;

    @Override
    public Server choose(Object key) {
        DynamicServerListLoadBalancer loadBalancer = (DynamicServerListLoadBalancer) getLoadBalancer();
        String serviceName = loadBalancer.getName();
        NamingService namingService = nacosDiscoveryProperties.namingServiceInstance();

        try {
            //nacos基于权重的算法
            Instance instance = namingService.selectOneHealthyInstance(serviceName);
            log.info(instance.getIp() + ":" + instance.getPort());
            return new NacosServer(instance);
        } catch (NacosException e) {
            log.error("获取服务实例异常：{}", e.getMessage());
            e.printStackTrace();
        }

        return null;
    }

    @Override
    public void initWithNiwsConfig(IClientConfig clientConfig) {

    }
}

配置自定义的策略

局部配置

修改application.yml

# 被调用的微服务名
mall-order:
  ribbon:
    # 自定义的负载均衡策略（基于随机&权重）
    NFLoadBalancerRuleClassName: com.tuling.mall.ribbondemo.rule.NacosRandomWithWeightRule

全局配置

@Bean
public IRule ribbonRule() {
    return new NacosRandomWithWeightRule();
}

局部配置第二种方式

可以利用@RibbonClient指定微服务及其负载均衡策略

@SpringBootApplication(exclude = {DataSourceAutoConfiguration.class,
        DruidDataSourceAutoConfigure.class})
//@RibbonClient(name = "mall-order",configuration = RibbonConfig.class)
//配置多个   RibbonConfig不能被@SpringbootApplication的@CompentScan扫描到，否则就是全局配置的效果
@RibbonClients(value = {
    // 在SpringBoot主程序扫描的包外定义配置类
    @RibbonClient(name = "mall-order",configuration = RibbonConfig.class),
    @RibbonClient(name = "mall-account",configuration = RibbonConfig.class)    
})

注意: 不能写在@SpringbootApplication注解的@CompentScan扫描得到的地方,否则自定义的配置类就会被所有的 RibbonClients共享.不建议这么使用,推荐yml方式

饥饿加载

在进行服务调用的时候,如果网络情况不好,第一次调用会超时

Ribbon默认懒加载,意味着只有在发起调用的时候才会创建客户端

开启饥饿加载,解决第一次调用慢的问题

ribbon:
  eager-load:
    # 开启ribbon饥饿加载
    enabled: true
    # 配置mall-order使用ribbon饥饿加载，多个使用逗号分隔
    clients: mall-order

RibbonEagerLoadProperties

@ConfigurationProperties(
    prefix = "ribbon.eager-load"
)
public class RibbonEagerLoadProperties {
    private boolean enabled = false;
    private List<String> clients;

    public RibbonEagerLoadProperties() {
    }

    public boolean isEnabled() {
        return this.enabled;
    }

    public void setEnabled(boolean enabled) {
        this.enabled = enabled;
    }

    public List<String> getClients() {
        return this.clients;
    }

    public void setClients(List<String> clients) {
        this.clients = clients;
    }
}