入门介绍
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目前也进入维护模式
Ribbon未来替换方案
是springcloud LoadBalancer
能做什么
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M本地,从而在本地实现RPC远
程服务调用技术。
总结一句话
负载均衡+ RestTemplate进行Rpc远程调用
负载均衡和Rest调用
架构说明
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。
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。
pom
之前写样例时候没有引入 spring-cloud-starter-ribbon也可以使用
<dependency>
<groupId>org.springframework.cloud</groupId>
<artifactId>spring-cloud-starter-netflix-ribbon</artifactId>
</dependency>
猜测 spring-cloud-starter-netflix-eureka-client自带了spring-cloud-start-ribbon引用。
RestTemplate
使用
官网
postForObject和postForEntity使用
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son
@GetMapping("/consumer/payment/create")
public R create(@RequestBody Payment payment) {
return restTemplate.postForObject(PATMEMT_URL + "/payment/create",payment,R.class);
}
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
@GetMapping("/consumer/payment/postForEntity/create")
public R createV2(@RequestBody Payment payment) {
ResponseEntity<R> entity = restTemplate.postForEntity(PATMEMT_URL + "/payment/create", payment, R.class);
if (entity.getStatusCode().is2xxSuccessful()) {
log.info("状态码: {} " + "\t" + "请求头: {}",entity.getStatusCode(),entity.getHeaders());
return entity.getBody();
}
return new R().error("创建订单失败");
}
Ribbon默认自带的负载规则
Ribbon核心组件IRule
IRule: 根据特定算法中从服务列表中选取一个要访问的服务
Ribbon提供了多种策略
如轮询、随机、根据响应时间加权。
- RoundRobbinRule:轮询
- RandomRule:随机
- AvailavilityFilterRule:先过滤掉由于多次访问故障而处于断路器跳闸的服务,还有并发的连接数量超过阈值的服务,然后对剩余的服务列表按照轮询的策略进行访问
- WeightedResponseTimeRule:根据响应时间计算权重,响应速度越快,被选中的几率越高。
- RetryRule:先按照RoundRobinRule的策略获取服务,如果失败会重试
- BestAviailableRule:会过滤到由于多次访问故障而处于断路器处于跳闸的状态的服务,然后选择一个并发量最小的服务
- 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
如何替换负载规则?
注意
在自定义配置类的时候不能放在 @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,这样达不到特殊化定制的目的了
这话什么意思呢?因为 @SpringBootApplication 注解包含了 @ComponentScan 这个注解
简单地说,就是我们自定义的配置类不能放在与 启动类同一子包下
新建规则类
package com.sgy.myrule;
import com.netflix.loadbalancer.IRule;
import com.netflix.loadbalancer.RandomRule;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
@Configuration
public class MySelfRule {
@Bean
public IRule myRule() {
// 返回随机
return new RandomRule();
}
}
修改启动类
/**
* Created by AaronShen on 2020/5/26
*/
@SpringBootApplication
@EnableEurekaClient
// name 是服务提供者的实例名称
@RibbonClient(name = "CLOUD-PAYMENT-SERVER",configuration = MySelfRule.class)
public class OrderMain80 {
public static void main(String[] args) {
SpringApplication.run(OrderMain80.class,args);
}
}
访问页面
下面是连续刷新页面返回的结果,可以发现端口号并不是默认的轮询了
Ribbon默认负载轮询算法原理和源码
负载均衡算法: 轮询
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
每次服务器重启后rest接口数从1开始
List<ServiceInstance> instances = discoveryClient.getInstances("CLOUD-PROVIDER-SERVICE")
如:
List[0] instances = 127.0.0.1:8002
List[1] instances = 127.0.0.1:8001
8001 + 8002 组合成为集群,它们共计2台机器,集群总数为2,按照轮询算法原理:
总请求数 | 对应下标 | 获得服务器地址 |
---|---|---|
1 | 1 % 2 = 1 | 127.0.0.1:8001 |
2 | 2 % 2 = 0 | 127.0.0.1:8002 |
3 | 3 % 2 = 1 | 127.0.0.1:8001 |
4 | 4 % 2 = 0 | 127.0.0.1:8002 |
如此类推 | …. | …. |
源码
//IRule接口
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
*/
//选择哪个服务实例
public Server choose(Object key);
public void setLoadBalancer(ILoadBalancer lb);
public ILoadBalancer getLoadBalancer();
}
这块使用到了java中JUC(CAS和自旋锁知识)
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);
public RoundRobinRule() {
nextServerCyclicCounter = new AtomicInteger(0);
}
public RoundRobinRule(ILoadBalancer lb) {
this();
setLoadBalancer(lb);
}
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;
}
}
@Override
public Server choose(Object key) {
return choose(getLoadBalancer(), key);
}
@Override
public void initWithNiwsConfig(IClientConfig clientConfig) {
}
}