SpringCloud—Ribbon负载均衡服务调用

笔记整理自【尚硅谷】周阳SpringCloud框架开发教程

1. 概述

Ⅰ. Ribbon是什么

Spring Cloud Ribbon是基于Netflix Ribbon实现的一套 客户端 负载均衡的工具。

简单的说，Ribbon是Netflix发布的开源项目，主要功能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。简单的说，就是在配置文件中列出Load Balancer（简称LB）后面所有的机器，Ribbon会自动的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。

Ribbon github

目前也进入维护模式，未来替换方案：Spring Cloud Loadbalancer

Ⅱ. Ribbon能做什么

LB（负载均衡）

LB负载均衡 (Load Balance) 是什么

简单的说就是将用户的请求平摊的分配到多个服务上，从而达到系统的HA（高可用）。

常见的负载均衡有软件Nginx，LVS，硬件 F5等。

Ribbon本地负载均衡客户端 VS Nginx服务端负载均衡区别

Nginx是服务器负载均衡，客户端所有请求都会交给nginx，然后由nginx实现转发请求。即负载均衡是由服务端实现的。

Ribbon本地负载均衡，在调用微服务接口时候，会在注册中心上获取注册信息服务列表之后缓存到JVM本地，从而在本地实现RPC远程服务调用技术。

• 集中式LB

  ➢ 即在服务的消费方和提供方之间使用独立的LB设施（可以是硬件，如F5, 也可以是软件，如nginx），由该设施负责把访问请求通过某种策略转发至服务的提供方。

• 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。

一句话：Ribbon = 负载均衡 + RestTemplate调用

2. Ribbon负载均衡演示

Ⅰ. 架构说明

Ribbon在工作时分成两步：

• 第一步先选择 EurekaServer，它优先选择在同一个区域内负载较少的server。
• 第二步再根据用户指定的策略，在从server取到的服务注册列表中选择一个地址。
• 其中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结合只是其中的一个实例。

Ⅱ. POM

之前写样例时候没有引入 spring-cloud-starter-ribbon 也可以使用 Ribbon：

<dependency>
    <groupId>org.springframework.cloudgroupId>
    <artifactId>spring-cloud-starter-netflix-ribbonartifactId>
dependency>
1
2
3
4

猜测 spring-cloud-starter-netflix-eureka-client 自带了 spring-cloud-starter-ribbon 引用

证明如下：可以看到 spring-cloud-starter-netflix-eureka-client 确实引入了 Ribbon：

Ⅲ. 二说RestTemplate的使用

RestTemplate官网

• getForObject() / getForEntity()

  ➢ getForObject()返回对象为响应体中数据转化成的对象，基本上可以理解为Json（推荐）

  

  ➢ getForEntity()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

  

• postForObject() / postForEntity()

  

3. Ribbon核心组件IRule

Ⅰ. IRule：根据特定算法中从服务列表中选取一个要访问的服务

IRule是一个接口，其源码如下：

package com.netflix.loadbalancer;

/**
 * Interface that defines a "Rule" for a LoadBalancer. A Rule can be thought of
 * as a Strategy for loadbalacing. Well known loadbalancing strategies include
 * Round Robin, Response Time based etc.
 * 
 * @author stonse
 * 
 */
public interface IRule{
    /*
     * choose one alive server from lb.allServers or
     * lb.upServers according to key
     * 
     * @return choosen Server object. NULL is returned if none
     *  server is available 
     */

    public Server choose(Object key);
    
    public void setLoadBalancer(ILoadBalancer lb);
    
    public ILoadBalancer getLoadBalancer();    
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

以下是IRule接口的部分实现，这些实现分别对应了若干负载均衡算法：

以下简要说明7种主要的负载均衡算法，这些负载均衡算法均是抽象类 com.netflix.loadbalancer.AbstractLoadBalancerRule 的实现，而给抽象类实现了IRule接口：

• com.netflix.loadbalancer.RoundRobinRule：轮询，为默认的负载均衡算法。
• com.netflix.loadbalancer.RandomRule：随机。
• com.netflix.loadbalancer.RetryRule：先按照RoundRobinRule（轮询）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大，越容易被选择。
• com.netflix.loadbalancer.BestAvailableRule：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。

Ⅱ. 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所扫描的当前包下以及子包下，

  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了。

  

• 新建package

  ➢ com.atguigu.myrule

• 上面包下新建MySelfRule规则类

  

  

• 主启动类添加@RibbonClient

  

• 测试

  http://localhost/consumer/payment/get/31

  如图我们用服务消费方访问服务提供方的微服务时，8001和8002不再交替轮询访问，而是随机访问：

  

4. Ribbon负载均衡算法

Ⅰ. 默认负载均衡算法（轮询）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。

List<ServiceInstance> instances = discoveryClient.getInstances("CLOUD-PAYMENT-SERVICE"); // list.size() = 2
1

根据服务方的服务名，获取其所有实例，如有以下实例：

$8001+8002$ 组合成一个集群，共计 $2$ 台机器，集群总数为 $2$，按照轮询负载均衡算法原理：

• 请求总数为 $1$ 时，$1\%2=1$，对应下标位置是 $1$，获得服务地址127.0.0.1:8001
• 请求总数为 $2$ 时，$2\%2=0$，对应下标位置是 $0$，获得服务地址127.0.0.1:8002
• 请求总数为 $3$ 时，$3\%2=1$，对应下标位置是 $1$，获得服务地址127.0.0.1:8001
• 依次类推…

Ⅱ. 源码分析

package com.netflix.loadbalancer;

import com.netflix.client.config.IClientConfig;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

import java.util.List;
import java.util.concurrent.atomic.AtomicInteger;

/**
 * The most well known and basic load balancing strategy, i.e. Round Robin Rule.
 *
 * @author stonse
 * @author Nikos Michalakis 
 *
 */
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);

    // 构造方法
    public RoundRobinRule() {
        nextServerCyclicCounter = new AtomicInteger(0); // 返回原子整型类 初始值为0
    }

    public RoundRobinRule(ILoadBalancer lb) {
        this();
        setLoadBalancer(lb);
    }
    
	// choose():选择哪一个负载均衡的算法
    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) {
            // 获得还活着的健康的服务实例（机器）即可达的，也就是Status为up的实例
            List<Server> reachableServers = lb.getReachableServers();
            // 获取所有服务实例，无论是死是活，只要注册进服务中心即可
            List<Server> allServers = lb.getAllServers();
            // Status为up的服务实例数量
            int upCount = reachableServers.size();
            // 所有服务实例的数量，对应上述原理分析中的服务器集群总数量
            int serverCount = allServers.size();

            // 如果没有可达的服务实例的话，直接log警告
            if ((upCount == 0) || (serverCount == 0)) {
                log.warn("No up servers available from load balancer: " + lb);
                return null;
            }

            // 调用服务器位置下标 = incrementAndGetModulo(服务器集群总数)
            int nextServerIndex = incrementAndGetModulo(serverCount);
            server = allServers.get(nextServerIndex); // 根据下标获取服务实例

            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) {
        // 自旋锁
        for (;;) {
            // 轮询算法
            int current = nextServerCyclicCounter.get();
            int next = (current + 1) % modulo;
            if (nextServerCyclicCounter.compareAndSet(current, next)) // CAS
                return next;
        }
    }

    @Override
    public Server choose(Object key) {
        return choose(getLoadBalancer(), key);
    }

    @Override
    public void initWithNiwsConfig(IClientConfig clientConfig) {
    }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110

Ⅲ. 自己实现轮询负载均衡算法

• 7001/7002集群启动

• 8001/8002微服务改造

  ➢ controller

  

• 80订单微服务改造

  ➢ ApplicationContextBean去掉注解@LoadBalanced

  

  ➢ LoadBalancer接口

  public interface LoadBalancer {
      ServiceInstance instances(List<ServiceInstance> serviceInstances);
  }
  1
  2
  3

  ➢ MyLB

  @Component
  public class MyLB implements LoadBalancer {
  
      private AtomicInteger atomicInteger = new AtomicInteger(0); // 初始值为0
  
      // 拿到访问次数
      public final int getAndIncrement() {
          int current;
          int next;
          // 自旋锁
          do {
              current = this.atomicInteger.get();
              next = current >= Integer.MAX_VALUE ? 0 : current + 1;
          } while(!this.atomicInteger.compareAndSet(current, next)); // CAS
          System.out.println("******第几次访问，次数next: " + next);
          return next;
      }
  
      /**
       * 从服务列表中用轮询负载均衡算法选择出具体的实例
       * 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
       * @param serviceInstances
       * @return
       */
      @Override
      public ServiceInstance instances(List<ServiceInstance> serviceInstances) {
          int index = getAndIncrement() % serviceInstances.size();
          return serviceInstances.get(index);
      }
  }
  1
  2
  3
  4
  5
  6
  7
  8
  9
  10
  11
  12
  13
  14
  15
  16
  17
  18
  19
  20
  21
  22
  23
  24
  25
  26
  27
  28
  29
  30

  ➢ OrderController

  

  

  ➢ 测试

  http://localhost/consumer/payment/lb