文章目录
8. Ribbon 负载均衡服务调用
8.1 概述
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。
2. 官网资料
https://github.com/Netflix/ribbon
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
3. 能干什么
3.1 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
Ribbon本地负载均衡客户端 VS Nginx服务端负载均衡的区别
- 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 是本地负载均衡,在调用微服务接口的时候,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),由该设施负责吧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;
8.2 Ribbon负载均衡演示
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. pom
可以看到 spring-cloud-starter-netflix-eureka-client 包中已经包含了 Ribbon 相关的依赖
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");
}
}
8.3 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
8.4 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) {
}
}