1. Zuul 介绍
Zuul 是 Spring Cloud 微服务体系中担任很重要的角色--服务网关,是基于JVM的路由器和负载均衡器。
Zuul 的基本使用以及 Filter 的介绍就不在这说明了,本文主要介绍 Zuul 的原理。
2. Zuul 处理流程
处理流程如下:
Request => ZuulHandlerMapping => ZuulController => ZuulServlet
主要的接收逻辑都在 ZuulServlet
中,执行 Filter
的逻辑,根据 Filter 的类型依次执行,如下代码:
try {
preRoute();
} catch (ZuulException e) {
error(e);
postRoute();
return;
}
try {
route();
} catch (ZuulException e) {
error(e);
postRoute();
return;
}
try {
postRoute();
} catch (ZuulException e) {
error(e);
return;
}
接收的代码已经清楚了,其实 Zuul 组件的功能就到这边了,剩下对请求进行路由其实主要使用了Ribbon
组件进行的,因此下面与其说是介绍 Zuul 到不如说是 Ribbon
的介绍。
路由的逻辑处理主要是 route()
即 Route Filter
进行的。
3. Route Filter
Zuul 中 Route Filter
有 SimpleHostRoutingFilter
和 RibbonRoutingFilter
, 有人说还有 SendForwardFilter
(本地的先不关注)。
3.1 SimpleHostRoutingFilter
当你配置路由时,直接配置 Url
而不是 serviceId
,那么就是使用的 SimpleHostRoutingFilter
,相反就是用的 RibbonRoutingFilter
。
主要逻辑:
public Object run() {
// 省略没用逻辑 ...
String uri = this.helper.buildZuulRequestURI(request);
this.helper.addIgnoredHeaders();
try {
// forward 主要逻辑
CloseableHttpResponse response = forward(this.httpClient, verb, uri, request, headers, params, requestEntity);
setResponse(response);
}
catch (Exception ex) {
throw new ZuulRuntimeException(ex);
}
}
// 从返回就能看出来调用 httpClient 完成的http请求
private CloseableHttpResponse forward () {
// ...
// forwardRequest
CloseableHttpResponse zuulResponse = forwardRequest(httpclient, httpHost, httpRequest);
return zuulResponse;
// ...
}
// 通过 httpClient 发请求
private CloseableHttpResponse forwardRequest(CloseableHttpClient httpclient,
HttpHost httpHost, HttpRequest httpRequest) throws IOException {
return httpclient.execute(httpHost, httpRequest);
}
总结:构建 Request 然后通过 httpClient 进行请求。
3.2 RibbonRoutingFilter
public Object run() {
// ...
// 构建请求上下文,其实就是保护一下参数,如serviceId, retryable, url, 原request等
RibbonCommandContext commandContext = buildCommandContext(context);
// forward
ClientHttpResponse response = forward(commandContext);
setResponse(response);
return response;
}
protected ClientHttpResponse forward(RibbonCommandContext context) {
// ...
// 这里的重点转到 command 上了,主要逻辑都是 command 中执行
RibbonCommand command = this.ribbonCommandFactory.create(context);
ClientHttpResponse response = command.execute();
return response;
}
4. Command
4.1 继承关系
HystrixCommand
RibbonCommand
<- AbstractRibbonCommand
<- HttpClientRibbonCommand / RestClientRibbonCommand / OkHttpRibbonCommand
主要的逻辑都是 AbstractRibbonCommand
中,子类是不同选型 HttpClient
, OkHttp
和 HttpURLConnection
。
4.2 AbstractRibbonCommand
由于继承的 HystrixCommand
所以需要实现 run()
方法,上面调用execute()
是来自 HystrixCommand
主体逻辑需要 run()
中实现。
protected ClientHttpResponse run() throws Exception {
final RequestContext context = RequestContext.getCurrentContext();
// 根据不同实现创建不同的Request
RQ request = createRequest();
// 执行负载均衡逻辑,其中 client 是 ribbonCommandFactory.create 中置入的
RS response = this.client.executeWithLoadBalancer(request, config);
context.set("ribbonResponse", response);
if (this.isResponseTimedOut()) {
if (response != null) {
response.close();
}
}
return new RibbonHttpResponse(response);
}
4.3 RibbonCommandFactory
从 CommandFactory
观察下 client 是什么类,做什么事情。
ribbonCommandFactory
的继承关系:
RibbonCommandFactory
<- AbstractRibbonCommandFactory
<- HttpClientRibbonCommandFactory
OkHttpRibbonCommandFactory
RestClientRibbonCommandFactory
以默认的 HttpClientRibbonCommandFactory
为例,代码如下:
public HttpClientRibbonCommand create(final RibbonCommandContext context) {
// 获取降级处理
ZuulFallbackProvider zuulFallbackProvider = getFallbackProvider(context.getServiceId());
// serviceId 是根据请求的url来比对配置的路由得到的
final String serviceId = context.getServiceId();
// clientFactory 根据 ServiceId 获取相关的组件,包括 IRule, IClientConfig, ILoadBalancer 等组件
final RibbonLoadBalancingHttpClient client = this.clientFactory.getClient(
serviceId, RibbonLoadBalancingHttpClient.class);
client.setLoadBalancer(this.clientFactory.getLoadBalancer(serviceId));
// 不同类型的 Factory 会获取不同的 client,生成不同的 Command
return new HttpClientRibbonCommand(serviceId, client, context, zuulProperties, zuulFallbackProvider,
clientFactory.getClientConfig(serviceId));
}
由此可见 client
就是 RibbonLoadBalancingHttpClient
,当然其他实现也会对应不一样的 client
。
4.4 Client
client
的继承比较复杂,从主要的继承看:
LoadBalancerContext
<- AbstractLoadBalancerAwareClient
<- AbstractLoadBalancingClient
<- RibbonLoadBalancingHttpClient
OkHttpLoadBalancingClient
4.2 中 this.client.executeWithLoadBalancer
执行的是:
// AbstractLoadBalancerAwareClient.executeWithLoadBalancer()
public T executeWithLoadBalancer(final S request, final IClientConfig requestConfig) throws ClientException {
// 重试策略处理类,要判断是不是重试可以重写这个
RequestSpecificRetryHandler handler = getRequestSpecificRetryHandler(request, requestConfig);
// 专门用于失败切换其他服务端进行重试的 Command
LoadBalancerCommand command = LoadBalancerCommand.builder()
.withLoadBalancerContext(this)
.withRetryHandler(handler)
.withLoadBalancerURI(request.getUri())
.build();
try {
// 见下面分析
return command.submit(
new ServerOperation() {
@Override
public Observable call(Server server) {
URI finalUri = reconstructURIWithServer(server, request.getUri());
S requestForServer = (S) request.replaceUri(finalUri);
try {
// 真实动作,执行 execute
return Observable.just(AbstractLoadBalancerAwareClient.this.execute(requestForServer, requestConfig));
}
catch (Exception e) {
return Observable.error(e);
}
}
})
.toBlocking()
.single();
} catch (Exception e) {
Throwable t = e.getCause();
if (t instanceof ClientException) {
throw (ClientException) t;
} else {
throw new ClientException(e);
}
}
}
这里有两个地方需要注重看的:
- LoadBalancerCommand 实现
- execute() 逻辑
先看 execute()
, LoadBalancerCommand
单独介绍
4.4.1 execute()
以默认的 RibbonLoadBalancingHttpClient
为例。(RibbonLoadBalancingHttpClient
将会被改名为ApacheHttpLoadBalancingClient
,因为它的兄弟叫OkHttpLoadBalancingClient
这样看上去比较像比较对称)。
public RibbonApacheHttpResponse execute(RibbonApacheHttpRequest request,final IClientConfig configOverride) {
// ...
final HttpUriRequest httpUriRequest = request.toRequest(requestConfig);
// delegate == httpClient, 是通过 createDelegate 创建的,那么 okHttp 的相应的地方就是 okHttp 对应的 client
// 所以,这里就是发送普通的 http 请求
final HttpResponse httpResponse = this.delegate.execute(httpUriRequest);
return new RibbonApacheHttpResponse(httpResponse, httpUriRequest.getURI());
}
4.5 LoadBalancerCommand
主要逻辑都是在 submit 中, 使用了 rxJava
的特性进行重试, 下面删除了很多细节代码,剩下主干重试逻辑。
public Observable submit(final ServerOperation operation) {
// ...
// 外层的 observable 为了不同目标的重试
// selectServer() 是进行负载均衡,返回的是一个 observable,可以重试,重试时再重新挑选一个目标server
Observable o = selectServer().concatMap(server -> {
// 这里又开启一个 observable 主要是为了同机重试
Observable o = Observable
.just(server)
.concatMap(server -> {
return operation.call(server).doOnEach(new Observer() {
@Override
public void onCompleted() {
// server 状态的统计,譬如消除联系异常,抵消activeRequest等
}
@Override
public void onError() {
// server 状态的统计,错误统计等
}
@Override
public void onNext() {
// 获取 entity, 返回内容
}
});
})
// 如果设置了同机重试,进行重试
if (maxRetrysSame > 0)
// retryPolicy 判断是否重试,具体分析看下面
o = o.retry(retryPolicy(maxRetrysSame, true));
return o;
})
// 设置了异机重试,进行重试
if (maxRetrysNext > 0)
o = o.retry(retryPolicy(maxRetrysNext, false));
return o.onErrorResumeNext(exp -> {
return Observable.error(e);
});
}
主要的重试逻辑如上,但是细节需要分析的:
- retryPolicy()
- selectServer()
- 目标 Server 状态记录
4.5.1 retryPolicy
private Func2 retryPolicy(final int maxRetrys, final boolean same) {
return new Func2() {
@Override
public Boolean call(Integer tryCount, Throwable e) {
if (e instanceof AbortExecutionException) {
return false;
}
// 重构总次数还是会放弃重试的
if (tryCount > maxRetrys) {
return false;
}
if (e.getCause() != null && e instanceof RuntimeException) {
e = e.getCause();
}
// 判断 exception 是否进行重试,可以自定义 handler 进行定制化
return retryHandler.isRetriableException(e, same);
}
};
}
4.5.2 selectServer
private Observable selectServer() {
return Observable.create(new OnSubscribe() {
@Override
public void call(Subscriber super Server> next) {
try {
// 通过 loadBalancerContext.getServerFromLoadBalancer 来进行负载均衡
Server server = loadBalancerContext.getServerFromLoadBalancer(loadBalancerURI, loadBalancerKey);
next.onNext(server);
next.onCompleted();
} catch (Exception e) {
next.onError(e);
}
}
});
}
loadBalancerContext.getServerFromLoadBalancer
进行负载均衡选择下一个请求目标,整个方法比较大,不列出了,把调用关系列出后分析主要的逻辑类。
loadBalancerContext.getServerFromLoadBalancer ()
> lb.chooseServer()
实际在作用的是 ILoadBalancer.chooseServer
方法。
4.5.3 ILoadBalancer
ILoadBalancer
继承关系:
ILoadBalancer
<- AbstractLoadBalancer
<- BaseLoadBalancer
<- DynamicServerListLoadBalancer
<- ZoneAwareLoadBalancer
ILoadBalancer
接口:
public interface ILoadBalancer {
void addServers(List newServers);
Server chooseServer(Object key); // 主要逻辑
void markServerDown(Server server);
@Deprecated
List getServerList(boolean availableOnly);
List getReachableServers();
List getAllServers();
}
实现负载均衡的逻辑的类 BaseLoadBalancer
, DynamicServerListLoadBalancer
加入动态 ServerList
的功能,负载均衡逻辑并没有补充。
BaseLoadBalancer.chooseServer
主要逻辑代码:
public Server chooseServer(Object key) {
if (counter == null) {
counter = createCounter();
}
counter.increment();
if (rule == null) {
return null;
} else {
try {
// Rule 执行挑选逻辑
return rule.choose(key);
} catch (Exception e) {
logger.warn("LoadBalancer [{}]: Error choosing server for key {}", name, key, e);
return null;
}
}
}
4.6 IRule
IRule
<- AbstractLoadBalancerRule
<- ClientConfigEnabledRoundRobinRule // abstract
<- BestAvailableRule // 最小连接优先轮询
PredicateBasedRule // abstract
<- AvailabilityFilteringRule
<- ZoneAvoidanceRule
<- RoundRobinRule
<- WeightedResponseTimeRule
<- RandomRule
<- RetryRule
4.6.1 PredicateBasedRule
基于逻辑断言进行判断是否选择的 Rule
, 具体 Predicate
继承如下:
Predicate
<- AbstractServerPredicate
<- AvailabilityPredicate // 可用性判断
ZoneAvoidancePredicate // 区域选择
CompositePredicate // 复合判断自身没有逻辑,组合其他 Predicate
AvailabilityPredicate
public boolean apply(@Nullable PredicateKey input) {
LoadBalancerStats stats = getLBStats();
if (stats == null) {
return true;
}
// 判断是否跳过
return !shouldSkipServer(stats.getSingleServerStat(input.getServer()));
}
private boolean shouldSkipServer(ServerStats stats) {
// 如果处于不可用 或者 当前请求大于最大限制 时跳过该目标
if ((CIRCUIT_BREAKER_FILTERING.get() && stats.isCircuitBreakerTripped())
|| stats.getActiveRequestsCount() >= activeConnectionsLimit.get()) {
return true;
}
return false;
}
ZoneAvoidancePredicate
public boolean apply(@Nullable PredicateKey input) {
// ...
// 选择出可用区域,具体逻辑在 ZoneAvoidanceRule 中解析
Set availableZones = ZoneAvoidanceRule.getAvailableZones(zoneSnapshot, triggeringLoad.get(), triggeringBlackoutPercentage.get());
if (availableZones != null) {
return availableZones.contains(input.getServer().getZone());
} else {
return false;
}
}
CompositePredicate
组合逻辑断言
CompositePredicate
// 使用多个 Predicate 组成判断的 And 逻辑链
// 类似 if xx && yy & oo
Predicate chain = Predicates.and(primaryPredicates);
// 获取可用列表时使用到回退逻辑
public List getEligibleServers(List servers, Object loadBalancerKey) {
List result = super.getEligibleServers(servers, loadBalancerKey);
Iterator i = fallbacks.iterator();
// 当筛选下来的server个数不符合配置中的最小个数时,会进行回退重选,一直回退到符合要求或者没有回退逻辑
while (!(result.size() >= minimalFilteredServers && result.size() > (int) (servers.size() * minimalFilteredPercentage))
&& i.hasNext()) {
AbstractServerPredicate predicate = i.next();
result = predicate.getEligibleServers(servers, loadBalancerKey);
}
return result;
}
// AbstractServerPredicate 上面 super.getEligibleServers
public List getEligibleServers(List servers, Object loadBalancerKey) {
if (loadBalancerKey == null) {
return ImmutableList.copyOf(Iterables.filter(servers, this.getServerOnlyPredicate()));
} else {
List results = Lists.newArrayList();
for (Server server: servers) {
// 每个 server 经过逻辑断言进行判断进行筛选
if (this.apply(new PredicateKey(loadBalancerKey, server))) {
results.add(server);
}
}
return results;
}
}
三大 Predicate
已经介绍完毕,回到主题。
PredicateBasedRule
主要逻辑:
public Server choose(Object key) {
ILoadBalancer lb = getLoadBalancer();
// 基于逻辑断言进行轮询 Predicate 由子类决定
Optional server = getPredicate().chooseRoundRobinAfterFiltering(lb.getAllServers(), key);
if (server.isPresent()) {
return server.get();
} else {
return null;
}
}
// AbstractServerPredicate
public Optional chooseRoundRobinAfterFiltering(List servers, Object loadBalancerKey) {
// 过滤可用结果, getEligibleServers 上面已经解析
List eligible = getEligibleServers(servers, loadBalancerKey);
if (eligible.size() == 0) {
return Optional.absent();
}
// 标准轮询
return Optional.of(eligible.get(nextIndex.getAndIncrement() % eligible.size()));
}
4.6.2 AvailabilityFilteringRule
AvailabilityFilteringRule
目标可用性轮询
public Server choose(Object key) {
int count = 0;
Server server = roundRobinRule.choose(key);
while (count++ <= 10) {
// 逻辑判断
if (predicate.apply(new PredicateKey(server))) {
return server;
}
// 轮询
server = roundRobinRule.choose(key);
}
return super.choose(key);
}
// 其中 predicate
// CompositePredicate 组合逻辑,这里只有 AvailabilityPredicate 可用性判断
predicate = CompositePredicate.withPredicate(new AvailabilityPredicate(this, null))
.addFallbackPredicate(AbstractServerPredicate.alwaysTrue())
.build();
4.6.3 ZoneAvoidanceRule
ZoneAvoidanceRule
没有重写 choose
方法,所以还是继承了 PredicateBasedRule
,所以过滤逻辑其实就是 compositePredicate. getEligibleServers
,而经过上面的解析,getEligibleServers
其实就是所有 server 进行逻辑判断,把通过的返回。
// Predicate 组合了 zonePredicate 和 availabilityPredicate
compositePredicate = createCompositePredicate(zonePredicate, availabilityPredicate);
可见主要是 zonePredicate
和 availabilityPredicate
的逻辑判断。
zonePredicate
上面分析主要调用 ZoneAvoidanceRule.getAvailableZones
// getAvailableZones 主要逻辑
for (Map.Entry zoneEntry : snapshot.entrySet()) {
String zone = zoneEntry.getKey();
ZoneSnapshot zoneSnapshot = zoneEntry.getValue();
int instanceCount = zoneSnapshot.getInstanceCount();
// 没有实例 即排除
if (instanceCount == 0) {
availableZones.remove(zone);
limitedZoneAvailability = true;
} else {
double loadPerServer = zoneSnapshot.getLoadPerServer();
// 不可用率超过阀值 或者 区域本来就不可用,即排除
if (((double) zoneSnapshot.getCircuitTrippedCount())
/ instanceCount >= triggeringBlackoutPercentage
|| loadPerServer < 0) {
availableZones.remove(zone);
limitedZoneAvailability = true;
} else {
// 过滤出 负载最高的几个区域
if (Math.abs(loadPerServer - maxLoadPerServer) < 0.000001d) {
// they are the same considering double calculation
// round error
worstZones.add(zone);
} else if (loadPerServer > maxLoadPerServer) {
maxLoadPerServer = loadPerServer;
worstZones.clear();
worstZones.add(zone);
}
}
}
}
// 没有排除 并且 最高负载没有超过限制,返回
if (maxLoadPerServer < triggeringLoad && !limitedZoneAvailability) {
// zone override is not needed here
return availableZones;
}
// 否则 随机排除一个负载高的区域
String zoneToAvoid = randomChooseZone(snapshot, worstZones);
if (zoneToAvoid != null) {
availableZones.remove(zoneToAvoid);
}
return availableZones;
这里有个问题:为啥当存在排除时即便没有超过限制负载也要排除一个区域?
4.6.4 RoundRobinRule
比较简单,如下:
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) {
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;
}
// 累加取模,标准轮询
int nextServerIndex = incrementAndGetModulo(serverCount);
server = allServers.get(nextServerIndex);
// 非线程安全list,可能会导致size有了对应索引处元素没有同步过来
if (server == null) {
/* Transient. */
Thread.yield();
continue;
}
// 可用即返回,不然下一轮
if (server.isAlive() && (server.isReadyToServe())) {
return (server);
}
// Next.
server = null;
}
// 超过10次没有获取到可用的server
if (count >= 10) {
log.warn("No available alive servers after 10 tries from load balancer: "
+ lb);
}
return server;
}
4.6.5 WeightedResponseTimeRule
// 这里会启动一个维持 使用响应时间计算比重系数 的任务 DynamicServerWeightTask
// 主要公式
// totalResponseTime 为所有server 平均响应时间的和,由下公式知,响应越快 weight 越大
// weight = totalResponseTime - ss.getResponseTimeAvg();
// weightSoFar += weight;
// finalWeights.add(weightSoFar);
// 0 - maxTotalWeight 的概率假设是平均的,那么 weight 越大区间就越大被选中的概率就越大
// 如 Aw(10) Bw(30) Cw(40) Dw(20)
// weightSoFar: 10, 40, 80, 100
// 那么 0-10, 10-40, 40-80, 80-100 可以加 40-80区间最大,概率就越大
double randomWeight = random.nextDouble() * maxTotalWeight;
// pick the server index based on the randomIndex
int n = 0;
for (Double d : currentWeights) {
if (d >= randomWeight) {
serverIndex = n;
break;
} else {
n++;
}
}
4.7 DynamicServerListLoadBalancer
继承自 BaseLoadBalancer
跟 BaseLoadBalancer
不同的是它持有 ServerList
对象来进行动态的获取 Server 列表。
4.7.1 ServerList
ServerList
<- DynamicServerList
<- DiscoveryEnabledNIWSServerList
public interface ServerList {
public List getInitialListOfServers();
public List getUpdatedListOfServers();
}
-
DynamicServerList
: 定时地从一个RouteStore
中获取 -
DiscoveryEnabledNIWSServerList
: 从Eureka
中获取
4.8 Server 状态
怎么轮询怎么选择过滤都已经分析了,但是过滤和选择中使用到 Server Status
是怎么统计的,接下去看。
ServerStats
类记录了 server 的所有状态。
4.8.1 判断是否跳过
下面是判断是否跳过 server 上面已经分析,其中 stats.isCircuitBreakerTripped
是判断的关键
// AvailabilityPredicate
shouldSkipServer(ServerStats stats) {
if ((CIRCUIT_BREAKER_FILTERING.get() && stats.isCircuitBreakerTripped())
|| stats.getActiveRequestsCount() >= activeConnectionsLimit.get()) {
return true;
}
return false;
}
public boolean isCircuitBreakerTripped(long currentTime) {
// 获取故障的到期时间点
long circuitBreakerTimeout = getCircuitBreakerTimeout();
if (circuitBreakerTimeout <= 0) {
return false;
}
// 大于当前时间表示还在出于故障
return circuitBreakerTimeout > currentTime;
}
private long getCircuitBreakerTimeout() {
long blackOutPeriod = getCircuitBreakerBlackoutPeriod();
if (blackOutPeriod <= 0) {
return 0;
}
// 上次失败的时间点 + 需要断路的时间长度
return lastConnectionFailedTimestamp + blackOutPeriod;
}
private long getCircuitBreakerBlackoutPeriod() {
int failureCount = successiveConnectionFailureCount.get();
int threshold = connectionFailureThreshold.get();
// 小于阀值(默认3)即不断路
if (failureCount < threshold) {
return 0;
}
// diff 超过阀值的次数,最大16
int diff = (failureCount - threshold) > 16 ? 16 : (failureCount - threshold);
// blackOutSeconds 最大 2^16 * 基数时间
int blackOutSeconds = (1 << diff) * circuitTrippedTimeoutFactor.get();
// 再次进行限制,断路总时间不超过 maxCircuitTrippedTimeout.get
if (blackOutSeconds > maxCircuitTrippedTimeout.get()) {
blackOutSeconds = maxCircuitTrippedTimeout.get();
}
return blackOutSeconds * 1000L;
}
判断是否在断路不可用状态就这样,下面看一些状态是怎么进去的。
4.8.2 记录状态
LoadBalancerCommand
中有状态的记录
// 这里开始
loadBalancerContext.noteOpenConnection(stats);
@Override
public void onCompleted() {
// 记录准确状态
recordStats(tracer, stats, entity, null);
}
@Override
public void onError(Throwable e) {
// 记录错误状态
recordStats(tracer, stats, null, e);
logger.debug("Got error {} when executed on server {}", e, server);
if (listenerInvoker != null) {
listenerInvoker.onExceptionWithServer(e, context.toExecutionInfo());
}
}
@Override
public void onNext(T entity) {
this.entity = entity;
if (listenerInvoker != null) {
listenerInvoker.onExecutionSuccess(entity, context.toExecutionInfo());
}
}
private void recordStats(Stopwatch tracer, ServerStats stats, Object entity, Throwable exception) {
tracer.stop();
// 这里介绍
loadBalancerContext.noteRequestCompletion(stats, entity, exception, tracer.getDuration(TimeUnit.MILLISECONDS), retryHandler);
}
// loadBalancerContext
public void noteOpenConnection(ServerStats serverStats) {
if (serverStats == null) {
return;
}
try {
serverStats.incrementActiveRequestsCount();
} catch (Exception ex) {
logger.error("Error noting stats for client {}", clientName, ex);
}
}
// serverStats
// 各种记录
public void incrementActiveRequestsCount() {
activeRequestsCount.incrementAndGet();
requestCountInWindow.increment();
long currentTime = System.currentTimeMillis();
lastActiveRequestsCountChangeTimestamp = currentTime;
lastAccessedTimestamp = currentTime;
if (firstConnectionTimestamp == 0) {
firstConnectionTimestamp = currentTime;
}
}
// loadBalancerContext
public void noteRequestCompletion(ServerStats stats, Object response, Throwable e, long responseTime, RetryHandler errorHandler) {
if (stats == null) {
return;
}
try {
recordStats(stats, responseTime);
RetryHandler callErrorHandler = errorHandler == null ? getRetryHandler() : errorHandler;
if (callErrorHandler != null && response != null) {
// 没有错误时,清除连续错误标识
stats.clearSuccessiveConnectionFailureCount();
} else if (callErrorHandler != null && e != null) {
// 判断是否需要断路的exception
if (callErrorHandler.isCircuitTrippingException(e)) {
// 有错误时开始连续错误计数
stats.incrementSuccessiveConnectionFailureCount();
// 增加错误数
stats.addToFailureCount();
} else {
// 非断路错误时清除连续标识
stats.clearSuccessiveConnectionFailureCount();
}
}
} catch (Exception ex) {
logger.error("Error noting stats for client {}", clientName, ex);
}
}
// 退场专用
private void recordStats(ServerStats stats, long responseTime) {
if (stats == null) {
return;
}
// 活动请求数减一
stats.decrementActiveRequestsCount();
// 增加请求统计
stats.incrementNumRequests();
// 记录响应时间,有些负载策略需要响应时间
stats.noteResponseTime(responseTime);
}
5. 回顾
5.1 调用路径
// 调用路径
1.HandleMapping -> 2.ZuulController -> 3.ZuulServlet.service() -> 4.RibbonRoutingFilter ->
5.HystrixCommand.execute() -> 6.AbstractRibbonCommand.run() ->
7.RibbonLoadBalancingHttpClient.executeWithLoadBalance() ->
8.LoadBalancerCommand.submit() -> 9.RibbonLoadBalancingHttpClient.execute() ->
10.HttpClient.execute()
1-4 都比较容易,5是为了有熔断效果所以用 Hystrix
进行包装,实际的逻辑都是对应的 Command 完成,7是不同的 Command 持有一个对应的 Client,执行 executeWithLoadBalance()
为了达到负载均衡和重试的效果,这个效果就交给 8.LoadBalancerCommand
完成,但是 LoadBalancerCommand
也只负责重试和负载均衡,具体执行的远程 http 请求还是由 9 来完成,而每个 BalancingClient
都是持有个真实的 client, 如: HttpClient
, OKHttp
,由这些 client 执行。
5.2 分支逻辑
5.2.1 负载均衡
分析了怎么进行 selectServer
的过程,以及常用的 ILoadBalancer
类型,对应的 IRule
即真实挑选和负载轮询逻辑实现。
5.2.2 状态记录
负载轮询的挑选逻辑中使用到 Server 的状态,所以分析了状态的记录以及怎么判断是否在断路状态的主要逻辑。
5.3 总结
Zuul
的主要代码并不是很大,即请求进来然后进行 Filter
处理,路由到上游服务器都是 Ribbon
的逻辑。