面试官:你能说说 Ribbon 的负载均衡策略及原理嘛?

沙海
沙海
沙海
994
文章
2
评论
2021年4月27日01:01:30
评论
3 7315字阅读24分23秒
摘要

速读摘要

速读摘要

像nginx可以使用负载均衡分配流量,ribbon为客户端提供负载均衡,dubbo服务调用里的负载均衡等等,很多地方都使用到了负载均衡。负载均衡器是从EurekaClient(EurekaClient的实现类为DiscoveryClient)获取服务信息,根据IRule去路由,并且根据IPing判断服务的可用性。allServers)来获取服务的可用性,如果该返回结果,如之前相同,则不去向EurekaClient获取注册列表,如果不同则通知ServerStatusChangeListener或者changeListeners发生了改变,进行更新或者重新拉取。

原文约 1702 | 图片 3 | 建议阅读 4 分钟 | 评价反馈

面试官:你能说说 Ribbon 的负载均衡策略及原理嘛?

点击关注? 不装逼的程序员

Load Balance负载均衡是用于解决一台机器(一个进程)无法解决所有请求而产生的一种算法。像nginx可以使用负载均衡分配流量,ribbon为客户端提供负载均衡,dubbo服务调用里的负载均衡等等,很多地方都使用到了负载均衡。

使用负载均衡带来的好处很明显:

  • 当集群里的1台或者多台服务器down的时候,剩余的没有down的服务器可以保证服务的继续使用

  • 使用了更多的机器保证了机器的良性使用,不会由于某一高峰时刻导致系统cpu急剧上升

负载均衡有好几种实现策略,常见的有:

  • 随机 (Random)

  • 轮询 (RoundRobin)

  • 一致性哈希 (ConsistentHash)

  • 哈希 (Hash)

  • 加权(Weighted)

ILoadBalance 负载均衡器

ribbon是一个为客户端提供负载均衡功能的服务,它内部提供了一个叫做ILoadBalance的接口代表负载均衡器的操作,比如有添加服务器操作、选择服务器操作、获取所有的服务器列表、获取可用的服务器列表等等。

ILoadBalance的继承关系如下:

面试官:你能说说 Ribbon 的负载均衡策略及原理嘛?

负载均衡器是从EurekaClient(EurekaClient的实现类为DiscoveryClient)获取服务信息,根据IRule去路由,并且根据IPing判断服务的可用性。

负载均衡器多久一次去获取一次从Eureka Client获取注册信息呢?在BaseLoadBalancer类下,BaseLoadBalancer的构造函数,该构造函数开启了一个PingTask任务setupPingTask();,代码如下:

public BaseLoadBalancer(String name, IRule rule, LoadBalancerStats stats,            IPing ping, IPingStrategy pingStrategy) {        if (logger.isDebugEnabled()) {            logger.debug("LoadBalancer: initialized");        }        this.name = name;        this.ping = ping;        this.pingStrategy = pingStrategy;        setRule(rule);        setupPingTask();        lbStats = stats;        init();    }

setupPingTask()的具体代码逻辑,它开启了ShutdownEnabledTimer执行PingTask任务,在默认情况下pingIntervalSeconds为10,即每10秒钟,向EurekaClient发送一次”ping”。

void setupPingTask() {        if (canSkipPing()) {            return;        }        if (lbTimer != null) {            lbTimer.cancel();        }        lbTimer = new ShutdownEnabledTimer("NFLoadBalancer-PingTimer-" + name,                true);        lbTimer.schedule(new PingTask(), 0, pingIntervalSeconds * 1000);        forceQuickPing();    }

PingTask源码,即new一个Pinger对象,并执行runPinger()方法。

查看Pinger的runPinger()方法,最终根据 pingerStrategy.pingServers(ping, allServers)来获取服务的可用性,如果该返回结果,如之前相同,则不去向EurekaClient获取注册列表,如果不同则通知ServerStatusChangeListener或者changeListeners发生了改变,进行更新或者重新拉取。

完整过程是:

LoadBalancerClient(RibbonLoadBalancerClient是实现类)在初始化的时候(execute方法),会通过ILoadBalance(BaseLoadBalancer是实现类)向Eureka注册中心获取服务注册列表,并且每10s一次向EurekaClient发送“ping”,来判断服务的可用性,如果服务的可用性发生了改变或者服务数量和之前的不一致,则从注册中心更新或者重新拉取。LoadBalancerClient有了这些服务注册列表,就可以根据具体的IRule来进行负载均衡。

IRule 路由

IRule接口代表负载均衡策略:

public interface IRule{    public Server choose(Object key);    public void setLoadBalancer(ILoadBalancer lb);    public ILoadBalancer getLoadBalancer();}

IRule接口的实现类有以下几种:

面试官:你能说说 Ribbon 的负载均衡策略及原理嘛?

面试官:你能说说 Ribbon 的负载均衡策略及原理嘛?

其中RandomRule表示随机策略、RoundRobinRule表示轮询策略、WeightedResponseTimeRule表示加权策略、BestAvailableRule表示请求数最少策略等等。

随机策略很简单,就是从服务器中随机选择一个服务器,RandomRule的实现代码如下:

public Server choose(ILoadBalancer lb, Object key) {    if (lb == null) {        return null;    }    Server server = null;     while (server == null) {        if (Thread.interrupted()) {            return null;        }        List<Server> upList = lb.getReachableServers();        List<Server> allList = lb.getAllServers();        int serverCount = allList.size();        if (serverCount == 0) {            return null;        }        int index = rand.nextInt(serverCount); // 使用jdk内部的Random类随机获取索引值index        server = upList.get(index); // 得到服务器实例         if (server == null) {            Thread.yield();            continue;        }         if (server.isAlive()) {            return (server);        }         server = null;        Thread.yield();    }    return server;}

RoundRobinRule轮询策略表示每次都取下一个服务器,比如一共有5台服务器,第1次取第1台,第2次取第2台,第3次取第3台,以此类推:

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<Server> reachableServers = lb.getReachableServers();            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;            }             int nextServerIndex = incrementAndGetModulo(serverCount);            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;            if (nextServerCyclicCounter.compareAndSet(current, next))                return next;        }    }

WeightedResponseTimeRule继承了RoundRobinRule,开始的时候还没有权重列表,采用父类的轮询方式,有一个默认每30秒更新一次权重列表的定时任务,该定时任务会根据实例的响应时间来更新权重列表,choose方法做的事情就是,用一个(0,1)的随机double数乘以最大的权重得到randomWeight,然后遍历权重列表,找出第一个比randomWeight大的实例下标,然后返回该实例,代码略。

BestAvailableRule策略用来选取最少并发量请求的服务器:

public Server choose(Object key) {    if (loadBalancerStats == null) {        return super.choose(key);    }    List<Server> serverList = getLoadBalancer().getAllServers(); // 获取所有的服务器列表    int minimalConcurrentConnections = Integer.MAX_VALUE;    long currentTime = System.currentTimeMillis();    Server chosen = null;    for (Server server: serverList) { // 遍历每个服务器        ServerStats serverStats = loadBalancerStats.getSingleServerStat(server); // 获取各个服务器的状态        if (!serverStats.isCircuitBreakerTripped(currentTime)) { // 没有触发断路器的话继续执行            int concurrentConnections = serverStats.getActiveRequestsCount(currentTime); // 获取当前服务器的请求个数            if (concurrentConnections < minimalConcurrentConnections) { // 比较各个服务器之间的请求数,然后选取请求数最少的服务器并放到chosen变量中                minimalConcurrentConnections = concurrentConnections;                chosen = server;            }        }    }    if (chosen == null) { // 如果没有选上,调用父类ClientConfigEnabledRoundRobinRule的choose方法,也就是使用RoundRobinRule轮询的方式进行负载均衡        return super.choose(key);    } else {        return chosen;    }}

使用Ribbon提供的负载均衡策略很简单,只需以下几部:

1、创建具有负载均衡功能的RestTemplate实例

@Bean@LoadBalancedRestTemplate restTemplate() {    return new RestTemplate();}

使用RestTemplate进行rest操作的时候,会自动使用负载均衡策略,它内部会在RestTemplate中加入LoadBalancerInterceptor这个拦截器,这个拦截器的作用就是使用负载均衡。

默认情况下会采用轮询策略,如果希望采用其它策略,则指定IRule实现,如:

@Beanpublic IRule ribbonRule() {    return new BestAvailableRule();}

这种方式对Feign也有效。

我们也可以参考ribbon,自己写一个负载均衡实现类。

可以通过下面方法获取负载均衡策略最终选择了哪个服务实例:

@Autowired LoadBalancerClient loadBalancerClient;  //测试负载均衡最终选中哪个实例 public String getChoosedService() {     ServiceInstance serviceInstance = loadBalancerClient.choose("USERINFO-SERVICE");     StringBuilder sb = new StringBuilder();     sb.append("host: ").append(serviceInstance.getHost()).append(", ");     sb.append("port: ").append(serviceInstance.getPort()).append(", ");     sb.append("uri: ").append(serviceInstance.getUri());     return sb.toString(); }

链接:fangjian0423.github.io/2017/01/29/loadbalance/

继续阅读
weinxin
资源分享QQ群
本站是一个IT技术分享社区, 会经常分享资源和教程; 分享的时代, 请别再沉默!
沙海
匿名

发表评论

匿名网友 填写信息

:?: :razz: :sad: :evil: :!: :smile: :oops: :grin: :eek: :shock: :???: :cool: :lol: :mad: :twisted: :roll: :wink: :idea: :arrow: :neutral: :cry: :mrgreen: