springcloud--Loadbalance的几种算法以及在ribbon中的使用

Load Balance负载均衡是用于解决一台机器(一个进程)无法解决所有请求而产生的一种算法。

像nginx可以使用负载均衡分配流量，ribbon为客户端提供负载均衡，dubbo服务调用里的负载均衡等等，很多地方都使用到了负载均衡。

使用负载均衡带来的好处很明显：

1. 当集群里的1台或者多台服务器down的时候，剩余的没有down的服务器可以保证服务的继续使用
2. 使用了更多的机器保证了机器的良性使用，不会由于某一高峰时刻导致系统cpu急剧上升

负载均衡有好几种实现策略，常见的有：

1. 随机 (Random)
2. 轮询 (RoundRobin)
3. 一致性哈希 (ConsistentHash)
4. 哈希 (Hash)
5. 加权（Weighted）

我们以ribbon的实现为基础，看看其中的一些算法是如何实现的。

ribbon是一个为客户端提供负载均衡功能的服务，它内部提供了一个叫做ILoadBalance的接口代表负载均衡器的操作，比如有添加服务器操作、选择服务器操作、获取所有的服务器列表、获取可用的服务器列表等等。

还提供了一个叫做IRule的接口代表负载均衡策略：

public interface IRule{
    public Server choose(Object key);
    public void setLoadBalancer(ILoadBalancer lb);
    public ILoadBalancer getLoadBalancer();
}

IRule接口的实现类有以下几种：

其中RandomRule表示随机策略、RoundRobin表示轮询策略、WeightedResponseTimeRule表示加权策略、BestAvailableRule表示请求数最少策略等等。

随机策略很简单，就是从服务器中随机选择一个服务器，RandomRule的实现代码如下：

public Server choose(ILoadBalancer lb, Object key) {
    if (lb == null ) {
        return null ;
    }
    Server server = null ;

    while (server == null ) {
        if (Thread.interrupted()) {
            return null ;
        }
        List upList = lb.getReachableServers();
        List allList = lb.getAllServers();
        int serverCount = allList.size();
        if (serverCount == 0 ) {
            return null ;
        }
        int index = rand.nextInt(serverCount); // 使用jdk内部的Random类随机获取索引值index
        server = upList.get(index); // 得到服务器实例

        if (server == null ) {
            Thread.yield();
            continue ;
        }

        if (server.isAlive()) {
            return (server);
        }

        server = null ;
        Thread.yield();
    }
    return server;
}

RoundRobin轮询策略表示每次都取下一个服务器，比如一共有5台服务器，第1次取第1台，第2次取第2台，第3次取第3台，以此类推：

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 ) { // retry 10 次
        List reachableServers = lb.getReachableServers();
        List allServers = lb.getAllServers();
        int upCount = reachableServers.size();
        int serverCount = allServers.size();

        if ((upCount == 0 ) || (serverCount == 0 )) {
            log.warn( "No up servers available from load balancer: " + lb);
            return null ;
        }

        int nextServerIndex = incrementAndGetModulo(serverCount); // incrementAndGetModulo方法内部使用nextServerCyclicCounter这个AtomicInteger属性原子递增对serverCount取模得到索引值
        server = allServers.get(nextServerIndex); // 得到服务器实例

        if (server == null ) {
            Thread.yield();
            continue ;
        }

        if (server.isAlive() && (server.isReadyToServe())) {
            return (server);
        }

        server = null ;
    }

    if (count >= 10 ) {
        log.warn( "No available alive servers after 10 tries from load balancer: "
                + lb);
    }
    return server;
}

BestAvailableRule策略用来选取最少并发量请求的服务器：

public Server choose(Object key) {
    if (loadBalancerStats == null ) {
        return super .choose(key);
    }
    List serverList = getLoadBalancer().getAllServers(); // 获取所有的服务器列表
    int minimalConcurrentConnections = Integer.MAX_VALUE;
    long currentTime = System.currentTimeMillis();
    Server chosen = null ;
    for (Server server: serverList) { // 遍历每个服务器
        ServerStats serverStats = loadBalancerStats.getSingleServerStat(server); // 获取各个服务器的状态
        if (!serverStats.isCircuitBreakerTripped(currentTime)) { // 没有触发断路器的话继续执行
            int concurrentConnections = serverStats.getActiveRequestsCount(currentTime); // 获取当前服务器的请求个数
            if (concurrentConnections < minimalConcurrentConnections) { // 比较各个服务器之间的请求数，然后选取请求数最少的服务器并放到chosen变量中
                minimalConcurrentConnections = concurrentConnections;
                chosen = server;
            }
        }
    }
    if (chosen == null ) { // 如果没有选上，调用父类ClientConfigEnabledRoundRobinRule的choose方法，也就是使用RoundRobinRule轮询的方式进行负载均衡
        return super .choose(key);
    } else {
        return chosen;
    }
}

实例验证Ribbon中的LoadBalance功能

ServerList中提供了3个instance，分别是：

compute-service: 2222
compute-service: 2223
compute-service: 2224

然后使用不同的IRule策略查看负载均衡的实现。

首先先使用ribbon提供的LoadBalanced注解加在RestTemplate上面，这个注解会自动构造LoadBalancerClient接口的实现类并注册到Spring容器中。

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

接下来使用RestTemplate进行rest操作的时候，会自动使用负载均衡策略，它内部会在RestTemplate中加入LoadBalancerInterceptor这个拦截器，这个拦截器的作用就是使用负载均衡。

例子中，我们的实例的name叫做compute-service，里面提供了一个方法add用于相加2个Integer类型的数值。

loadbalance的具体操作：

public String loadbalance() {
    ServiceInstance serviceInstance = loadBalancerClient.choose( "compute-service" );
    StringBuilder sb = new StringBuilder();
    sb.append( "host: " ).append(serviceInstance.getHost()).append( ", " );
    sb.append( "port: " ).append(serviceInstance.getPort()).append( ", " );
    sb.append( "uri: " ).append(serviceInstance.getUri());
    return sb.toString();
}

RandomRule随机策略

RandomRule：

@Configuration
public class RibbonConfiguration {

    @Autowired
    private SpringClientFactory springClientFactory;

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

}

测试结果如下，确实是随机获取的：

host: 192.168 . 31.113 , port: 2222 , uri: http: //192.168.31.113:2222
host: 192.168 . 31.113 , port: 2222 , uri: http: //192.168.31.113:2222
host: 192.168 . 31.113 , port: 2222 , uri: http: //192.168.31.113:2222
host: 192.168 . 31.113 , port: 2224 , uri: http: //192.168.31.113:2224
host: 192.168 . 31.113 , port: 2224 , uri: http: //192.168.31.113:2224
host: 192.168 . 31.113 , port: 2222 , uri: http: //192.168.31.113:2222
host: 192.168 . 31.113 , port: 2223 , uri: http: //192.168.31.113:2223
host: 192.168 . 31.113 , port: 2222 , uri: http: //192.168.31.113:2222
host: 192.168 . 31.113 , port: 2222 , uri: http: //192.168.31.113:2222
host: 192.168 . 31.113 , port: 2223 , uri: http: //192.168.31.113:2223

RoundRobinRule轮询策略

RoundRobinRule：

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

测试结果如下，确实是轮询每个服务器的：

host: 192.168 . 31.113 , port: 2223 , uri: http: //192.168.31.113:2223
host: 192.168 . 31.113 , port: 2222 , uri: http: //192.168.31.113:2222
host: 192.168 . 31.113 , port: 2224 , uri: http: //192.168.31.113:2224
host: 192.168 . 31.113 , port: 2223 , uri: http: //192.168.31.113:2223
host: 192.168 . 31.113 , port: 2222 , uri: http: //192.168.31.113:2222
host: 192.168 . 31.113 , port: 2224 , uri: http: //192.168.31.113:2224
host: 192.168 . 31.113 , port: 2223 , uri: http: //192.168.31.113:2223
host: 192.168 . 31.113 , port: 2222 , uri: http: //192.168.31.113:2222
host: 192.168 . 31.113 , port: 2224 , uri: http: //192.168.31.113:2224
host: 192.168 . 31.113 , port: 2223 , uri: http: //192.168.31.113:2223
host: 192.168 . 31.113 , port: 2222 , uri: http: //192.168.31.113:2222
host: 192.168 . 31.113 , port: 2224 , uri: http: //192.168.31.113:2224

BestAvailableRule最少并发数策略

BestAvailableRule：

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

如果直接访问浏览器的话，测试结果如下(因为每次访问完请求数都变成0，下次遍历永远都是2223这个端口的实例)：

host: 192.168 . 31.113 , port: 2223 , uri: http: //192.168.31.113:2223
host: 192.168 . 31.113 , port: 2223 , uri: http: //192.168.31.113:2223
host: 192.168 . 31.113 , port: 2223 , uri: http: //192.168.31.113:2223
host: 192.168 . 31.113 , port: 2223 , uri: http: //192.168.31.113:2223
host: 192.168 . 31.113 , port: 2223 , uri: http: //192.168.31.113:2223
host: 192.168 . 31.113 , port: 2223 , uri: http: //192.168.31.113:2223
..

使用wrk模拟并发请求，结果会出现多个实例：

wrk -c 1000 -t 10 -d 10s http: //localhost:3333/test