快捷搜索: 长连接 前端 源码 pan

六、SpringCloud 微服务之 Ribbon 负载均衡服务调用

















Ribbon 负载均衡服务调用

1. 概述

1.1 Ribbon 是什么

Spring Cloud Ribbon 是基于 Netfix Ribbon 实现的一套客户端负载均衡工具。 Ribbon 是 Netfix 发布的开源项目,主要功能就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。在配置文件中列出 Load Balancer(简称LB)后面所有的机器,Ribbon 会自动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。

1.2 官网资料

Ribbon 目前也进入了维护模式 未来替换方案,是Spring Cloud自己开发的 SpringCloud loadBalancer

1.3 能干什么

1. LB(负载均衡)

将用户请求平摊分配到多个服务上,从而达到系统的HA(高可用)。常见的负载均衡软件有:Nginx、LVS、硬件F5等
进程内LB 将LB逻辑集成到消费方,消费方从服务注册中心获知有哪些地址可用,然后自己再从这些地址中选择出一个合适的服务器。 Ribbon就属于进程内LB,它只是一个类库,集成于消费方进程,消费方通过它来获取到服务提供方的地址;

2. Ribbon负载均衡演示

2.1 架构说明

Ribbon在工作时分成两步 先选择EurekaServer,它优先选择在同一个区域内负载较少的server 再根据用户指定的策略,然后从server渠道服务注册列表中选择一个地址 Ribbon提供了多种策略:比如轮询、随机和根据响应时间加权
总结: Ribbon其实就是一个软负载均衡的客户端组件, 他可以和其他所需请求的客户端结合使用,和eureka结合只是其中一个实例.

2.2 pom

可以看到 spring-cloud-starter-netflix-eureka-client 包中已经包含了 Ribbon 相关的依赖

2.3 RestTemplate 的使用

@RestController
@Slf4j
public class OrderController {
          
   

    //private static final String PAYMENT_URL = "http://localhost:8001";

    private static final String PAYMENT_URL = "http://CLOUD-PAYMENT-SERVICE";

    private final RestTemplate restTemplate;

    @Autowired
    public OrderController(RestTemplate restTemplate) {
          
   
        this.restTemplate = restTemplate;
    }
    /**
     * 返回对象为响应实体中数据转换成的对象,基本上可以理解为JSON
     * @param payment
     * @return
     */
    @GetMapping("/consumer/payment/create")
    public CommonResult<Payment> create(Payment payment) {
          
   
        log.info("payment = {}", JSON.toJSONString(payment));
        return restTemplate.postForObject(PAYMENT_URL + "/payment/create", payment, CommonResult.class);
    }

    @GetMapping("/consumer/payment/get/{id}")
    public CommonResult<Payment> getPayment(@PathVariable("id") Long id) {
          
   
        return restTemplate.getForObject(PAYMENT_URL + "/payment/get/" + id, CommonResult.class);
    }

	
    @GetMapping("/consumer/payment/getEntity/{id}")
    public CommonResult<Payment> getPayment2(@PathVariable("id") Long id) {
          
   
        ResponseEntity<CommonResult> forEntity = restTemplate.getForEntity(PAYMENT_URL + "/payment/get/" + id,
            CommonResult.class);
        if (forEntity.getStatusCode().is2xxSuccessful()) {
          
   
            log.info("{} {} {}", forEntity.getStatusCode(), forEntity.getHeaders(), forEntity.getBody());
            return forEntity.getBody();
        }
        return new CommonResult<>(444, "操作失败");
    }

	/**
     * 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
     * @param payment
     * @return
     */
    @GetMapping("/consumer/payment/createEntity")
    public CommonResult<Payment> create2(Payment payment) {
          
   
        ResponseEntity<CommonResult> postForEntity = restTemplate.postForEntity(
            PAYMENT_URL + "/payment/create", payment, CommonResult.class);
        if (postForEntity.getStatusCode().is2xxSuccessful()){
          
   
            log.info("{} {} {}", postForEntity.getStatusCode(), postForEntity.getHeaders(), postForEntity.getBody());
            return postForEntity.getBody();
        }
        return new CommonResult<>(444, "操作失败");
    }

}

3. Ribbon核心组件IRule

IRule:根据特定算法从服务列表中选取一个要访问的服务 com.netflix.loadbalancer.RoundRobinRule 轮询 com.netflix.loadbalancer.RandomRule 随机 com.netflix.loadbalancer.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进行重试,获取可用的服务 com.netflix.loadbalancer.WeightedResponseTimeRule 对RoundRobinRule的扩展,响应速度越快的实例选择权重越多大,越容易被选择 com.netflix.loadbalancer.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 com.netflix.loadbalancer.AvailabilityFilteringRule 先过滤掉故障实例,再选择并发较小的实例 com.netflix.loadbalancer.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

如何替换?

修改cloud-consumer-order80 注意配置细节 官方文档明确给出了警告: 这个自定义配置类不能放在 @ComponentScan 所扫描的当前包以及子包下,否则我们自定义的这个配置类就会被所有的Ribbon客户端所共享,达不到特殊化定制的目的
在com.zzx下新建 springcloud 的同级包 rule 新建 MySelfRule 规则类
package com.zzx.rule;

import com.netflix.loadbalancer.IRule;
import com.netflix.loadbalancer.RandomRule;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

/**
 * @description: 自定义负载均衡路由规则类
 */
@Configuration
public class MySelfRule {
          
   

    /**
     * 定义规则为随机
     * @return
     */
    @Bean
    public IRule getRule(){
          
   
        return new RandomRule();
    }
}
在主启动类上添加 @RibbonClient 注解
package com.zzx.springcloud;

import com.zzx.rule.MySelfRule;
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.cloud.netflix.eureka.EnableEurekaClient;
import org.springframework.cloud.netflix.ribbon.RibbonClient;

@SpringBootApplication
@EnableEurekaClient
@RibbonClient(name = "CLOUD-PAYMENT-SERVICE", configuration = MySelfRule.class)
public class OrderMain80 {
          
   
    public static void main(String[] args) {
          
   
        SpringApplication.run(OrderMain80.class, args);
    }
}
使用 chrome 测试 通过后台日志发现是随机访问的8001和8002两个微服务

4. Ribbon负载均衡算法

原理 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,每次服务重启后rest接口计数从1开始 eg: List[0] instances = 127.0.0.1:8002 List[0] instances = 127.0.0.1:8001 8001+8002组成集群,他们共计两台机器,集群总数为2,按照轮询算法原理: 当请求总数为1时:1%2=1,对应下标位置为1,则获取服务地址为127.0.0.1:8001 当请求总数为2时:2%2=0,对应下标位置为0,则获取服务地址为127.0.0.1:8002 当请求总数为3时:3%2=1,对应下标位置为1,则获取服务地址为127.0.0.1:8001 如此类推…
源码
//
// Source code recreated from a .class file by IntelliJ IDEA
// (powered by FernFlower decompiler)
//

package com.netflix.loadbalancer;

import com.netflix.client.config.IClientConfig;
import java.util.List;
import java.util.concurrent.atomic.AtomicInteger;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

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);

	// 初始化循环计数器 nextServerCyclicCounter,初始值为0
    public RoundRobinRule() {
          
   
        this.nextServerCyclicCounter = new AtomicInteger(0);
    }

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

    public Server choose(ILoadBalancer lb, Object key) {
          
   
        if (lb == null) {
          
   
            log.warn("no load balancer");
            return null;
        } else {
          
   
            Server server = null;
            int count = 0;

            while(true) {
          
   
            	// count 为最大重试次数
                if (server == null && count++ < 10) {
          
   
                	// 获取存活的服务
                    List<Server> reachableServers = lb.getReachableServers();
                    // 获取所有的服务
                    List<Server> allServers = lb.getAllServers();
                    int upCount = reachableServers.size();
                    int serverCount = allServers.size();
                    if (upCount != 0 && serverCount != 0) {
          
   
                    	// 对服务器取模获取下一个服务器索引
                        int nextServerIndex = this.incrementAndGetModulo(serverCount);
                        // 根据服务器索引获取服务
                        server = (Server)allServers.get(nextServerIndex);
                        /**
                         * 判断当前服务是否为null,如果为null
						 * 让当前线程由“运行状态”进入到“就绪状态”,从而让其它具有相同优先级的等待线程获取执行权;但是,并不能保
						 * 证在当前线程调用yield()之后,其它具有相同优先级的线程就一定能获得执行权;
						 * 也有可能是当前线程又进入到“运行状态”继续运行!
						 */
                        if (server == null) {
          
   
                            Thread.yield();
                        } else {
          
   
                        	// 如果不为null,判断服务是否存活,并准备好服务,如果是,返回该服务
                        	// 否则,将服务置为null,并进行下一次循环
                            if (server.isAlive() && server.isReadyToServe()) {
          
   
                                return server;
                            }

                            server = null;
                        }
                        continue;
                    }

                    log.warn("No up servers available from load balancer: " + lb);
                    return null;
                }
				
                if (count >= 10) {
          
   
                    log.warn("No available alive servers after 10 tries from load balancer: " + lb);
                }

                return server;
            }
        }
    }
	
	// 对 nextServerCyclicCounter 进行自增,并根据服务器数量取模
    private int incrementAndGetModulo(int modulo) {
          
   
        int current;
        int next;
        do {
          
   
            current = this.nextServerCyclicCounter.get();
            next = (current + 1) % modulo;
        } while(!this.nextServerCyclicCounter.compareAndSet(current, next));

        return next;
    }

    public Server choose(Object key) {
          
   
        return this.choose(this.getLoadBalancer(), key);
    }
    public void initWithNiwsConfig(IClientConfig clientConfig) {
          
   
    }
}
经验分享 程序员 微信小程序 职场和发展