Dubbo学习-基本认知（一）

一、为什么使用Dubbo?

为什么使用Dubbo？因为项目需要。

作为一直学习开发小项目的我，自然是不需要考虑高并发、微服务、分布式的啦，当然也考虑不到T.T，用不着这么高大上的技术，不过时代在改变呀，要想不被甩在马路牙子上哭，就得不停的学习新的知识，安慰完自己的小心灵了，那么，就开始学习Duboo吧！

学习每样技术前，我们都要了解它的前因后果，一句话，它是怎样产生地。

在以前，我们只需要一个服务器，将我们写好的程序打包发布这个服务器里就好，但是随着互联网时代的发展，现在人人都可以在网上购物、看资讯，对于中大型企业来说争取最大的访客量就是首要任务，然而访客量是增多了，可服务器带不起来了呀，这还不是普普通通的卡机，而是直接“殁了”，毕竟在2020年3月，淘宝月度活跃用户可是达到了8.46亿啊！！！

那之前的架构是啥样子的呢？PS：可能不太严谨~

1.单一服务架构

2.应用和数据库单独部署

3.应用和服务器集群

4.数据库读写分离

5.数据库分库分表

6.应用拆分为不同类型

发展到现在，我们可以发现应用与应用的 关系已经很十分复杂了，于是矛盾就出现啦，（以下摘自Dubbo官网）

1.当服务越来越多时，服务 URL 配置管理变得非常困难，硬件负载均衡器的单点压力也越来越大。

2.当进一步发展，服务间依赖关系变得错踪复杂，甚至分不清哪个应用要在哪个应用之前启动，架构师都不能完整的描述应用的架构关系。

3.接着，服务的调用量越来越大，服务的容量问题就暴露出来，这个服务需要多少机器支撑？什么时候该加机器？

于是Dubbo出现啦，当然能够解决这些问题的不止Dubbo，还有著名的Spring Cloud，咱们慢慢来，解决一座山才能到达下一座山咧。

Q： 当服务越来越多时，服务 URL 配置管理变得非常困难，F5 硬件负载均衡器的单点压力也越来越大。怎么办！？

A： 此时需要一个服务注册中心，动态地注册和发现服务，使服务的位置透明。并通过在消费方获取服务提供方地址列表，实现软负载均衡和 Failover，降低对 F5 硬件负载均衡器的依赖，也能减少部分成本。

也就是说这一个个应用类型太多啦，咱能记住一个两个三个四个名字地址，那，十几个呢？想想就瑟瑟发抖，所以我们就需要一个人来帮我们记住，于是注册中心出现啦，Dubbo官方提供参考的注册中心有Zookeeper、Nacos、Redis等，技术无好坏，具体就看你使用哪一种啦，透露一下，我打算先用Zookeeper来学习~

Q： 当进一步发展，服务间依赖关系变得错踪复杂，甚至分不清哪个应用要在哪个应用之前启动，架构师都不能完整的描述应用的架构关系。怎么办！？

A: 这时，需要自动画出应用间的依赖关系图，以帮助架构师理清关系。

Q: 接着，服务的调用量越来越大，服务的容量问题就暴露出来，这个服务需要多少机器支撑？什么时候该加机器？怎么办！？

A: 为了解决这些问题，第一步，要将服务现在每天的调用量，响应时间，都统计出来，作为容量规划的参考指标。其次，要可以动态调整权重，在线上，将某台机器的权重一直加大，并在加大的过程中记录响应时间的变化，直到响应时间到达阈值，记录此时的访问量，再以此访问量乘以机器数反推总容量。

总而言之，言而总之，当你的项目架构发挥到这个阶段，就需要考虑使用Dubbo啦！

二、Dubbo架构

来，上图！

来自官方的懵图，无从下手啊，来看看下面的几种角色介绍吧。

节点	角色说明
Provider	暴露服务的服务提供方
Consumer	调用远程服务的服务消费方
Registry	服务注册与发现的注册中心
Monitor	统计服务的调用次数和调用时间的监控中心
Container	服务运行容器

看了这个之后们就发现，好像也不是难理解啦，这和生产者-消费者模式好像呀，只是加入了注册中心和监控中心，那么整个流程变成了这样：

• 启动容器，连接注册中心；
• 服务提供者启动时，将自己的服务注册发布到注册中心；
• 服务消费者启动时，会在注册中心订阅自己所需要的服务。

如果订阅失败或者服务变更，就要考虑到：

• 如果有变更，注册中心将基于长连接推送变更数据给消费者。
• 服务消费者，从提供者地址列表中，基于软负载均衡算法，选一台提供者进行调用，如果调用失败，再选另一台调用。
• 服务消费者和提供者，在内存中累计调用次数和调用时间，定时每分钟发送一次统计数据到监控中心。

通过这番讲解，我相信我已经大致了解了Dubbo结构，那么就要开始入手啦~~~

PS：哪里不对，请点评论通知我！