dubbo源码分析-consumer端4-ClusterInvoker与LoadBalance

        dubbo中提供了多种集群调用策略:

        1、FailbackClusterInvoker :  失败自动恢复,后台记录失败请求,定时重发,通常用于消息通知操作;

        2、FailfastClusterInvoker: 快速失败,只发起一次调用,失败立即报错,通常用于非幂等性的写操作;

        3、FailoverClusterInvoker: 失败转移,当出现失败,重试其它服务器,通常用于读操作,但重试会带来更长延迟;

        4、FailsafeClusterInvoker: 失败安全,出现异常时,直接忽略,通常用于写入审计日志等操作;

        5、FokingClusterInvoker: 并行调用,只要一个成功即返回,通常用于实时性要求较高的操作,但需要浪费更多服务资源;

        6、MergeableClusterInvoker:合并多个组的返回数据;

        开发者可以根据实际情况选择合适的策略,这里我们选择FailoverClusterInvoker(官方推荐)进行讲解,通过它来了解集群调用处理的问题,了解它以后其他的策略也很容易了。

        由多个相同服务共同组成的一套服务,通过分布式的部署,达到服务的高可用,这就是集群。与单机的服务不同的是,我们至少需要:1、地址服务(Directory);2、负载均衡(LoadBalance)。  地址服务用于地址的管理,如缓存地址、服务上下线的处理、对外提供地址列表等,通过地址服务,我们可以知道所有可用服务的地址信息。负载均衡,则是通过一定的算法将压力分摊到各个服务上。 好了,知道这两个概念后,我们开始正式的代码阅读。

        当应用需要调用服务时,会通过invoke方法发起调用(AbstractClusterInvoker):

    public Result invoke(final Invocation invocation) throws RpcException {
        // 是否被销毁
        checkWheatherDestoried();

        LoadBalance loadbalance;
        // 通过地址服务获取所有可用的地址信息
        List<Invoker<T>> invokers = list(invocation);
       
        if (invokers != null && invokers.size() > 0) {
            // 如果存在地址信息,则根据地址中的配置加载LoadBalance,注意负责均衡策略配置的优先级 privider > consumer            
           loadbalance = ExtensionLoader.getExtensionLoader(LoadBalance.class).getExtension(invokers.get(0).getUrl()
                    .getMethodParameter(invocation.getMethodName(),Constants.LOADBALANCE_KEY, Constants.DEFAULT_LOADBALANCE));
        } else {
            // 如果暂时没有地址信息,则使用默认的负载均衡策略策略(random)
           loadbalance = ExtensionLoader.getExtensionLoader(LoadBalance.class).getExtension(Constants.DEFAULT_LOADBALANCE);
        }
        // 如果是异步的话需要加入相应的信息
        RpcUtils.attachInvocationIdIfAsync(getUrl(), invocation);
        // 根据地址及负载均衡策略发起调用
        return doInvoke(invocation, invokers, loadbalance);
    }

    protected  List<Invoker<T>> list(Invocation invocation) throws RpcException {
     List<Invoker<T>> invokers = directory.list(invocation);
     return invokers;
   }
        doInvoke则是各个子类来实现,以FailoverClusterInvoker为例:

    public Result doInvoke(Invocation invocation, final List<Invoker<T>> invokers, LoadBalance loadbalance) throws RpcException {
    	List<Invoker<T>> copyinvokers = invokers;
        // 检查地址列表是否正确(需要确保有可用的地址)
    	checkInvokers(copyinvokers, invocation);
        // 从retries参数获取重试的次数,如retries=3,则最大可能调用的次数为4
        // 需要注意的是默认的重试次数为2(及最多执行3次),对于一些写服务来说,如果无法做到幂等,最好是将retries参数设为0,或者使用failfast策略
        int len = getUrl().getMethodParameter(invocation.getMethodName(), Constants.RETRIES_KEY, Constants.DEFAULT_RETRIES) + 1;
        if (len <= 0) {
            len = 1;
        }
        // retry loop.
        RpcException le = null; // last exception.
        List<Invoker<T>> invoked = new ArrayList<Invoker<T>>(copyinvokers.size()); // invoked invokers.
        Set<String> providers = new HashSet<String>(len);
        // 发起指定次数的调用,一旦其中一次成功则返回
        for (int i = 0; i < len; i++) {
        	//重试时,进行重新选择,避免重试时invoker列表已发生变化.
        	//注意:如果列表发生了变化,那么invoked判断会失效,因为invoker示例已经改变
        	if (i > 0) {
        		checkWheatherDestoried();
        		copyinvokers = list(invocation);
        		//重新检查一下
        		checkInvokers(copyinvokers, invocation);
        	}
            // 根据负载均衡算法得到一个地址
            Invoker<T> invoker = select(loadbalance, invocation, copyinvokers, invoked);
            // 记录发起过调用的地址,防止重试时调用了已经调用过的地址
            invoked.add(invoker);
            // 
            RpcContext.getContext().setInvokers((List)invoked);
            try {
                // 通过之前选出的地址进行调用
                Result result = invoker.invoke(invocation);
                // 调用成功,判断是否重试过,如果重试过,记录下警告信息,记录失败的地址
                if (le != null && logger.isWarnEnabled()) {
                    logger.warn("Although retry the method " + invocation.getMethodName()
                            + " in the service " + getInterface().getName()
                            + " was successful by the provider " + invoker.getUrl().getAddress()
                            + ", but there have been failed providers " + providers 
                            + " (" + providers.size() + "/" + copyinvokers.size()
                            + ") from the registry " + directory.getUrl().getAddress()
                            + " on the consumer " + NetUtils.getLocalHost()
                            + " using the dubbo version " + Version.getVersion() + ". Last error is: "
                            + le.getMessage(), le);
                }
                return result;
            } catch (RpcException e) {
                // 如果是业务异常则直接抛出错误,其他(如超时等错误)则不重试
                if (e.isBiz()) { // biz exception.
                    throw e;
                }
                le = e;
            } catch (Throwable e) {
                le = new RpcException(e.getMessage(), e);
            } finally {
                // 发生过调用的地址记录下来
                providers.add(invoker.getUrl().getAddress());
            }
        }
        throw new RpcException(le != null ? le.getCode() : 0, "Failed to invoke the method "
                + invocation.getMethodName() + " in the service " + getInterface().getName() 
                + ". Tried " + len + " times of the providers " + providers 
                + " (" + providers.size() + "/" + copyinvokers.size() 
                + ") from the registry " + directory.getUrl().getAddress()
                + " on the consumer " + NetUtils.getLocalHost() + " using the dubbo version "
                + Version.getVersion() + ". Last error is: "
                + (le != null ? le.getMessage() : ""), le != null && le.getCause() != null ? le.getCause() : le);
    }
        可以看到failover策略实现很简单,得到地址信息后,通过负载均衡算法选取一个地址来发送请求, 如果产生了非业务异常则按照配置的次数进行重试。

        下面我们来看看地址的选取过程:

    /**
     * 使用loadbalance选择invoker.</br>
     * a)先lb选择,如果在selected列表中 或者 不可用且做检验时,进入下一步(重选),否则直接返回</br>
     * b)重选验证规则:selected > available .保证重选出的结果尽量不在select中,并且是可用的 
     * 
     * @param availablecheck 如果设置true,在选择的时候先选invoker.available == true
     * @param selected 已选过的invoker.注意:输入保证不重复
     * 
     */
    protected Invoker<T> select(LoadBalance loadbalance, Invocation invocation, List<Invoker<T>> invokers, List<Invoker<T>> selected) throws RpcException {
        if (invokers == null || invokers.size() == 0)
            return null;
        String methodName = invocation == null ? "" : invocation.getMethodName();
    
        // 如果sticky为true,则该接口上的所有方法使用相同的provider    
        boolean sticky = invokers.get(0).getUrl().getMethodParameter(methodName,Constants.CLUSTER_STICKY_KEY, Constants.DEFAULT_CLUSTER_STICKY) ; {
            //如果之前的provider已经不存在了则将其设置为null 
            if ( stickyInvoker != null && !invokers.contains(stickyInvoker) ){ 
                stickyInvoker = null; 
            } 
            // 如果sticky为true,且之前有调用过的provider且该provider未失败则继续使用该provider 
            if (sticky && stickyInvoker != null && (selected == null || !selected.contains(stickyInvoker))){ 
                if (availablecheck && stickyInvoker.isAvailable()){ 
                    return stickyInvoker; 
                } 
            } 
        } 
        // 重新选择invoker
        Invoker<T> invoker = doselect(loadbalance, invocation, invokers, selected); 
        if (sticky){ 
           stickyInvoker = invoker; 
        } 

        return invoker; 
    } 

    private Invoker<T> doselect(LoadBalance loadbalance, Invocation invocation, List<Invoker<T>> invokers, List<Invoker<T>> selected) throws RpcException{
       if (invokers == null || invokers.size() == 0) 
            return null; 

        if (invokers.size() == 1) 
            return invokers.get(0); 
        // 如果只有两个invoker,且产生过失败,则退化成轮循 
        if (invokers.size() == 2 && selected != null && selected.size() > 0) { 
            return selected.get(0) == invokers.get(0) ? invokers.get(1) : invokers.get(0); 
        } 

        // 通过负载均衡算法得到一个invoker
        Invoker<T> invoker = loadbalance.select(invokers, getUrl(), invocation); 
        //如果 selected中包含(优先判断) 或者 需要检测可用性且当前选择的invoker不可用 则重新选择. 
        if( (selected != null && selected.contains(invoker)) ||(!invoker.isAvailable() && getUrl()!=null && availablecheck)){ 
            try{ 
                Invoker<T> rinvoker = reselect(loadbalance, invocation, invokers, selected, availablecheck); 
                if(rinvoker != null){ 
                    invoker = rinvoker; 
                }else{ 
                    //如果重新选择没有选出invoker,则选第一次选的下一个invoker. 
                    int index = invokers.indexOf(invoker); 
                    try{ 
                        //最后在避免碰撞 
                        invoker = index <invokers.size()-1?invokers.get(index+1) :invoker; 
                    }catch (Exception e) { 
                       logger.warn(e.getMessage()+" may because invokers list dynamic change, ignore.",e); 
                    } 
                } 
            }catch (Throwable t){ 
                logger.error("clustor relselect fail reason is :"+t.getMessage() +" if can not slove ,you can set cluster.availablecheck=false in url",t);
           } 
         }
 
         return invoker; 
    } 

     /**
     * 重选,先从非selected的列表中选择,没有在从selected列表中选择.
     * @param loadbalance
     * @param invocation
     * @param invokers
     * @param selected
     * @return
     * @throws RpcException
     */
    private Invoker<T> reselect(LoadBalance loadbalance,Invocation invocation,
                                List<Invoker<T>> invokers, List<Invoker<T>> selected ,boolean availablecheck)
            throws RpcException {
        
        //预先分配一个,这个列表是一定会用到的.
        List<Invoker<T>> reselectInvokers = new ArrayList<Invoker<T>>(invokers.size()>1?(invokers.size()-1):invokers.size());
        
        //先从非select中选
        if( availablecheck ){ //选isAvailable 的非select
            for(Invoker<T> invoker : invokers){
                if(invoker.isAvailable()){
                    if(selected ==null || !selected.contains(invoker)){
                        reselectInvokers.add(invoker);
                    }
                }
            }
            if(reselectInvokers.size()>0){
                return  loadbalance.select(reselectInvokers, getUrl(), invocation);
            }
        }else{ //选全部非select
            for(Invoker<T> invoker : invokers){
                if(selected ==null || !selected.contains(invoker)){
                    reselectInvokers.add(invoker);
                }
            }
            if(reselectInvokers.size()>0){
                return  loadbalance.select(reselectInvokers, getUrl(), invocation);
            }
        }
        //最后从select中选可用的. 
        {
            if(selected != null){
                for(Invoker<T> invoker : selected){
                    if((invoker.isAvailable()) //优先选available 
                            && !reselectInvokers.contains(invoker)){
                        reselectInvokers.add(invoker);
                    }
                }
            }
            if(reselectInvokers.size()>0){
                return  loadbalance.select(reselectInvokers, getUrl(), invocation);
            }
        }
        return null;
    }

          选择invoker的过程如下: 
 

        1、如果配置sticky为true,则查看之前是否有已经调用过的invoker,如果有且可用则直接使用

         2、如果只有一个地址,则直接使用该地址

         3、如果有两个地址,且已经调用过一个地址,则使用另一个地址

         4、第一次使用负载均衡算法得到一个invoker。满足两个条件则使用该invoker,如果不满足则继续第5步的重新选择

                 条件1 该地址在该请求中未使用(注一次请求含第一次调用及后面的重试)

                 条件2 设置了检测可用性且可用  或  没设置检测可用性

         5、如果设置了检测可用性则获取所有可用且本次请求未使用过的invoker,如果未设置则获取所有本次请求未使用过的invoker,

               如果得到的invoker不为空,则使用负载均衡从这批invoker中选择一个

         6、如果还是没有选出invoker则从已经使用过的invoker中找可用的invoker,从这些可用的invoker中利用负载均衡算法得到一个invoker

          7、如果以上步骤均未选出invoker,则选择第4步得到的invoker的下一个invoker,如果第4步得到的invoker已经是最后一个则直接选此invoker

          可以看到虽然有负载均衡策略,但仍然有很多分支状况需要处理。

          选出invoker后就可以进行调用了。后面的过程由单独的文章继续讲解。我们回过头来看看负载均衡算法的实现, 首先看看负载均衡的接口:

@SPI(RandomLoadBalance.NAME)
public interface LoadBalance {

	/**
	 * select one invoker in list.
	 * 
	 * @param invokers invokers.
	 * @param url refer url
	 * @param invocation invocation.
	 * @return selected invoker.
	 */
    @Adaptive("loadbalance")
	<T> Invoker<T> select(List<Invoker<T>> invokers, URL url, Invocation invocation) throws RpcException;

}
        负载均衡提供的select方法共有三个参数,invokers:可用的服务列表,url:包含consumer的信息,invocation:当前调用的信息。 默认的负载均衡算法为RandomLoadBalance, 这里我们就先讲讲这个随机调度算法。


public class RandomLoadBalance extends AbstractLoadBalance {

    public static final String NAME = "random";

    private final Random random = new Random();

    protected <T> Invoker<T> doSelect(List<Invoker<T>> invokers, URL url, Invocation invocation) {
        int length = invokers.size(); // 总个数
        int totalWeight = 0; // 总权重
        boolean sameWeight = true; // 权重是否都一样
        for (int i = 0; i < length; i++) {
            int weight = getWeight(invokers.get(i), invocation);
            totalWeight += weight; // 累计总权重
            if (sameWeight && i > 0
                    && weight != getWeight(invokers.get(i - 1), invocation)) {
                sameWeight = false; // 计算所有权重是否一样
            }
        }
        if (totalWeight > 0 && ! sameWeight) {
            // 如果权重不相同且权重大于0则按总权重数随机
            int offset = random.nextInt(totalWeight);
            // 并确定随机值落在哪个片断上
            for (int i = 0; i < length; i++) {
                offset -= getWeight(invokers.get(i), invocation);
                if (offset < 0) {
                    return invokers.get(i);
                }
            }
        }
        // 如果权重相同或权重为0则均等随机
        return invokers.get(random.nextInt(length));
    }

}

        随机调度算法分两种情况:

        1、当所有服务提供者权重相同或者无权重时,根据列表size得到一个值,再随机出一个[0, size)的数值,根据这个数值取对应位置的服务提供者;

        2、计算所有服务提供者权重之和,例如以下5个Invoker,总权重为25,则随机出[0, 24]的一个值,根据各个Invoker的区间来取Invoker,

               如随机值为10,则选择Invoker2;


        需要注意的是取权重的方法getWeight不是直接取配置中的权重,其算法如下:

protected int getWeight(Invoker<?> invoker, Invocation invocation) {
        // 先获取provider配置的权重(默认100)
        int weight = invoker.getUrl().getMethodParameter(invocation.getMethodName(), Constants.WEIGHT_KEY, Constants.DEFAULT_WEIGHT);
        if (weight > 0) {
                // 获取provider的启动时间
	        long timestamp = invoker.getUrl().getParameter(Constants.TIMESTAMP_KEY, 0L);
	    	if (timestamp > 0L) {
                        // 计算出启动时长
	    		int uptime = (int) (System.currentTimeMillis() - timestamp);
                        // 获取预热时间(默认600000,即10分钟),注意warmup不是provider的基本参数,需要通过dubbo:paramater配置
	    		int warmup = invoker.getUrl().getParameter(Constants.WARMUP_KEY, Constants.DEFAULT_WARMUP);
                        // 如果启动时长小于预热时间,则需要降权。 权重计算方式为启动时长占预热时间的百分比乘以权重,
                        // 如启动时长为20000ms,预热时间为60000ms,权重为120,则最终权重为 120 * (1/3) = 40,
                        // 注意calculateWarmupWeight使用float进行计算,因此结果并不精确。    		
                        if (uptime > 0 && uptime < warmup) {
	    			weight = calculateWarmupWeight(uptime, warmup, weight);
	    		}
	    	}
        }
    	return weight;
    }
    
    static int calculateWarmupWeight(int uptime, int warmup, int weight) {
    	int ww = (int) ( (float) uptime / ( (float) warmup / (float) weight ) );
    	return ww < 1 ? 1 : (ww > weight ? weight : ww);
    }
        到这里,负载均衡的随机调度算法就分析完了,实现还是比较简单的。dubbo还实现了其他几个算法:

        RoundRobinLoadBalance:轮询调度算法(2.5.3版本有bug,2.5.4-snapshot正常,有兴趣的请看后面这个版本的代码) 例如invoker0-权重3,invoker1-权重1,invoker2-权重2,则选取的invoker顺序依次是:第一轮:0,1(本轮invoker1消耗完),2,0,2(本轮invoker2消耗完),0(本轮invoker0消耗完), 第二轮重复第一轮的顺序。

        LeastActiveLoadBalance:最少活跃调用数调度算法,通过活跃数统计,找出活跃数最少的provider,如果只有一个最小的则直接选这个,如果活跃数最少的provider有多个,则用与RandomLoadBalance相同的策略来从这几个provider中选取一个。

       ConsistentHashLoadBalance:一致性hash调度算法,根据参数计算得到一个provider,后续相同的参数使用同样的provider。


       

     


         



你可能感兴趣的:(cluster,源码分析,DUBBO,Consumer)