dubbo负载均衡策略
概述
本篇文章主要是想讲解清楚dubbo的负载均衡策略，其中文章的内容部分共享自网络，部分来自自己的整理，目的还是跟以往一样，将一个简单的问题讲解清楚。
负载均衡策略及优缺点
Dubbo 负载均衡策略提供下列四种方式：
Random LoadBalance 随机，按权重设置随机概率。 Dubbo的默认负载均衡策略
在一个截面上碰撞的概率高，但调用量越大分布越均匀，而且按概率使用权重后也比较均匀，有利于动态调整提供者权重。
RoundRobin LoadBalance 轮循，按公约后的权重设置轮循比率。
存在慢的提供者累积请求问题，比如：第二台机器很慢，但没挂，当请求调到第二台时就卡在那，久而久之，所有请求都卡在调到第二台上。
LeastActive LoadBalance 最少活跃调用数，相同活跃数的随机，活跃数指调用前后计数差。
使慢的提供者收到更少请求，因为越慢的提供者的调用前后计数差会越大。
ConsistentHash LoadBalance 一致性Hash，相同参数的请求总是发到同一提供者。
当某一台提供者挂时，原本发往该提供者的请求，基于虚拟节点，平摊到其它提供者，不会引起剧烈变动。
Random负载均衡策略
负载均衡策略也分为权重相同和权重不相同两种情况进行处理，整个代码处理是先计算各个invoker(provider)的权重，判定权重是否相等以及总权重是多少。
如果权重不相等，那么我们就对总权重进行随机取值（通过random.nextInt实现），然后遍历invokers将随机的权重值减去每个invoker的权重，如果得出的结果为负数说明由该invoker提供服务。
如果权重相等，那么就通过random.nextInt()在所有的invoker当中随机选择一个invoker就可以了。
RoundRobin负载均衡策略
轮询负载均衡策略分为权重相同和权重不同两种策略，整个代码遍历所有invoker的权重求出最小最大权重以及权重之和。
针对每个方法，我们会维持一个sequences对象，这个其实就是一个atomic类的整数类型计数。每次进来的时候会循环递增。
针对权重不相同的情况，我们外层循环按照最大权重去循环，内层循环是invoker的个数，这里其实我们要记住由于我们总权重是把所有invoker的权重相加，而循环是拿最大权重*所有invoker的个数，所以后者肯定大于前者。
权重不同的举个例子，假设invoker A权重400，invoker B权重为100，invoker C权重为100，这个时候假设mod为300，那么在遍历A,B,C过程中我们会将mod进行递减，invoker A、B、C递减，最后发现invoker剩余300，最后返回invoker A，这里的关键是递减那部分逻辑很重要。
针对权重相同的情况其实就是我们常见的i++%invoker个数。
LeastActive负载均衡策略
最小active的负载均衡策略也分为有权重和没有权重两种情况，整体思路是每次在所有invoker中获取active最低的个数，然后后面的invoker选择就在最低active的集群当中选择。
有权重和没有权重的最低active选择都是基于上面说的数组，举个例子，假如现在有4个invoker，然后具备最低active的invoker有2个，那么后面我们就在最低active的2个invoker进行选择。
带权重的选择就是根据最低active的权重和随机生成一个随机权重，然后遍历最低active的数目，每次减去invoker的权重，当权重为负数的时候就以该invoker提供服务。
不带权重的选择就是根据最低active的数量通过random.nextInt方式随机返回一个invoker就可以。
ConsistentHash负载均衡策略
一致性hash的负载均衡策略其实就跟一致性hash的原理一样，主要也是分成生成虚拟节点和选择节点提供服务。
首先我们先生成invoker也就是服务接口对应的selector，原则是没有就生成一个。每个invoker虚拟节点的生成的原则很简单：会根据虚拟节点设置的个数/4进行外层循环，以4进行内层循环生成。
其次我们提取请求中携带的参数（因为我们规定了按照哪些参数进行hash）生成hash值，然后选择对应的虚拟节点（如果存在这个hash值），或者选择大于该值的第一个虚拟节点的值，最后去选择对应的invoker。
负载均衡之源码debug
1、先本地启动zookeeper的注册中心
2、直接复用dubbo的源码，我们需要修改provider里面的properties然后启动多个provider，只有多个provider才能调试负载均衡策略。
3、consumer直接进行debug跟踪即可。
