Spring Clould之客户端负载均衡(Ribbon)详解

Ribbon入门介绍

Ribbon概述

Spring Cloud Ribbon是基于Netflix Ribbon实现的一套客户端 负载均衡的工具。

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。

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。

负载均衡器组件

• 一个负载均衡器，至少提供以下功能：
  • 要维护各个服务器的IP等信息
  • 根据特定逻辑选取服务器
• 为了实现基本的负载均衡功能，Ribbon的负载均衡器有三大子模块：
  • Rule：负载均衡规则
  • Ping：心跳检测
  • ServerList：需要再ribbon保存完整服务器IP集合，只有知道了信息集合才能知道如何使用Rule

Ribbon实现负载均衡原理

LoadBalancerClient
LoadBalancerClient是负载均衡器的核心类，它可以通过eureka- client获取到负载均衡服务提供者的实例信息，并将服务注册列表信息缓存一份，从而实现了客户端的负载均衡。

Ribbon的负载均衡主要是通过LoadBalancerClient来实现的，而 LoadBalancerClient具体交给了ILoadBalancer来处理，ILoadBalancer通过配置IRule，IPing等，向Eureka Client获取注册列表信息,默认每10秒向Eureka Client发送一次「ping」 ，进而检查是否需要更新服务的注册列表信息。最后，在得到服务注册列表信息后，ILoadBalancer根据IRule的策略进行负载均衡。

RestTemplate增加@LoadBalance注解后，在进行远程调度时能够做到负载均衡，主要是维护了一个被@LoadBalance注解的 RestTemplate列表，并给该列表中的RestTemplate对象添加了拦 截器。在拦截器方法中，将远程调度方法交给了 Ribbon的负载均衡器LoadBalancerClient去处理，从而实现了负载均衡的目的。

Ribbon的负载均衡和RestTemplate调用

Ribbon其实就是一个软负载均衡的客户端组件，它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。

Ribbon依赖

先前工程项目没有引入spring-cloud-starter-netflix-ribbon也可以使用ribbon。

<dependency>
    <groupld>org.springframework.cloudgroupld>
    <artifactld>spring-cloud-starter-netflix-ribbonartifactid>
dependency>

这是因为spring-cloud-starter-netflix-eureka-client自带了spring-cloud-starter-netflix-ribbon引用。

RestTemplate使用说明

官方文档：https://docs.spring.io/spring-framework/docs/5.2.2.RELEASE/javadoc-api/org/springframework/web/client/RestTemplate.html

getForObject() / getForEntity() - GET请求方法

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。
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。

@GetMapping("/consumer/getForEntity/{id}")
public RestResult<UserTest> getUser(@PathVariable("id") Long id){

    ResponseEntity<RestResult> entity = restTemplate.getForEntity(BASE_URL + "/get/" + id, RestResult.class);
	
	// is2xxSuccessful 成功状态
    if(entity.getStatusCode().is2xxSuccessful()){
        return entity.getBody();//getForObject()
    }else{
        return RestResult.fail(ResultCode.DATA_ACCESS_ERROR);
    }
}

postForObject() / postForEntity() - POST请求方法

Ribbon默认自带的负载规则

lRule：根据特定算法中从服务列表中选取一个要访问的服务

• RoundRobinRule 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，获取可用的服务。
• 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。
• BestAvailableRule 会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。
• 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。

Ribbon负载规则替换

1.修改cloud-consumer-80
2.新建配置类

@Configuration
public class MySelfRule {

    @Bean
    public IRule myRule() {
        return new RandomRule(); // 随机
    }

}

主启动类添加@RibbonClient

@SpringBootApplication
@EnableEurekaClient
@RibbonClient(name = "cloud-provider-service", configuration = MySelfRule.class)
public class ConsumerApplication {

    public static void main(String[] args) {
        SpringApplication.run(ConsumerApplication.class,args);
    }
}

然后访问cloud-provider-service服务就是随机的。

Ribbon默认负载轮询算法原理

默认负载轮训算法: 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。

有俩台机器

• 127.0.0.1:8002
• 127.0.0.1:8001

8001+ 8002组合成为集群，它们共计2台机器，集群总数为2，按照轮询算法原理：

• 当总请求数为1时: 1%2=1对应下标位置为1，则获得服务地址为127.0.0.1:8001
• 当总请求数位2时: 2%2=0对应下标位置为0，则获得服务地址为127.0.0.1:8002
• 当总请求数位3时: 3%2=1对应下标位置为1，则获得服务地址为127.0.0.1:8001
• 当总请求数位4时: 4%2=0对应下标位置为0，则获得服务地址为127.0.0.1:8002
• 如此类推…

RoundRobinRule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 
 *
 */
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);

    public RoundRobinRule() {
        nextServerCyclicCounter = new AtomicInteger(0);
    }

    public RoundRobinRule(ILoadBalancer lb) {
        this();
        setLoadBalancer(lb);
    }

    // 重点关注这方法。
    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) {
        	// 只有已启动且可访问的服务器。
            List<Server> reachableServers = lb.getReachableServers();
            // 所有已知的服务器，包括可访问和不可访问的服务器。
            List<Server> 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;
            }
			// 获取下标
            int nextServerIndex = incrementAndGetModulo(serverCount);
            // 获得服务
            server = allServers.get(nextServerIndex);

            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) {
        for (;;) {
            int current = nextServerCyclicCounter.get();
            int next = (current + 1) % modulo;// 求余法
            // CAS 比较并交换
            if (nextServerCyclicCounter.compareAndSet(current, next))
                return next;
        }
    }

    @Override
    public Server choose(Object key) {
        return choose(getLoadBalancer(), key);
    }

    @Override
    public void initWithNiwsConfig(IClientConfig clientConfig) {
    }
}

Ribbon之手写轮询算法

public interface LoadBalancer {

    /**
     * 轮训获取服务
     * @param serviceInstances
     * @return
     */
    ServiceInstance instances(List<ServiceInstance> serviceInstances);

}

@Service
public class MyLb implements LoadBalancer {

    private  AtomicInteger atomicInteger = new AtomicInteger(0);

    /**
     * 轮训获取服务
     * 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。
     * @param serviceInstances
     * @return
     */
    @Override
    public ServiceInstance instances(List<ServiceInstance> serviceInstances) {

        int index = getAndIncrement() % serviceInstances.size();

        return serviceInstances.get(index);
    }

    // 第几次访问
    public final int getAndIncrement() {

        int current;
        int next;

        do {
            current = this.atomicInteger.get();
            next = current >= 2147483647 ? 0 : current + 1;
        } while (!this.atomicInteger.compareAndSet(current, next));

        System.out.println("*****第几次访问，次数next: " + next);

        return next;
    }

}