详解SpringCloud的负载均衡

一.什么是负载均衡

负载均衡(Load-balance LB)，指的是将用户的请求平摊分配到各个服务器上，从而达到系统的高可用。常见的负载均衡软件有Nginx、lvs等。

二.负载均衡的简单分类

1）集中式LB：集中式负载均衡指的是，在服务消费者(client)和服务提供者(provider)之间提供负载均衡设施，通过该设施把消费者(client)的请求通过某种策略转发给服务提供者(provider),常见的集中式负载均衡是Nginx；

2）进程式LB:将负载均衡的逻辑集成到消费者(client)身上，即消费者从服务注册中心获取服务列表，获知有哪些地址可用，再从这些地址里选出合适的服务器，springCloud的Ribbon就是一个进程式的负载均衡工具。

三.为什么需要做负载均衡

1) 不做负载均衡，可能导致某台机子负荷太重而挂掉；

2）导致资源浪费，比如某些机子收到太多的请求，肯定会导致某些机子收到很少请求甚至收不到请求，这样会浪费系统资源。

四.springCloud如何开启负载均衡

1）在消费者子工程的pom.xml文件的加入相关依赖(https://mvnrepository.com/artifact/org.springframework.cloud/spring-cloud-starter-ribbon/1.4.7.RELEASE)；

1. <!-- https://mvnrepository.com/artifact/org.springframework.cloud/spring-cloud-starter-ribbon -->
2. <dependency>
3. <groupId>org.springframework.cloud</groupId>
4. <artifactId>spring-cloud-starter-ribbon</artifactId>
5. <version>1.4.7.RELEASE</version>
6. </dependency>

消费者需要获取服务注册中心的注册列表信息,把Eureka的依赖包也放进pom.xml

1. <dependency>
2. <groupId>org.springframework.cloud</groupId>
3. <artifactId>spring-cloud-starter-eureka-server</artifactId>
4. <version>1.4.7.RELEASE</version>
5. </dependency>

2)在application.yml里配置服务注册中心的信息

在该消费者(client)的application.yml里配置Eureka的信息

1. #配置Eureka
2. eureka:
3. client:
4. #是否注册自己到服务注册中心，消费者不用提供服务
5. register-with-eureka: false
6. service-url:
7. #访问的url
8. defaultZone: http://localhost:8002/eureka/

3)在消费者启动类上面加上注解@EnableEurekaClient

1. @EnableEurekaClient

4）在配置文件的Bean上加上

1. @Bean
2. @LoadBalanced
3. public RestTemplate getRestTemplate(){
4. return new RestTemplate();
5. }

五.IRule

什么是IRule

IRule接口代表负载均衡的策略，它的不同的实现类代表不同的策略，它的四种实现类和它的关系如下()

说明一下(idea找Irule的方法：ctrl+n   填入IRule进行查找)

1.RandomRule:表示随机策略，它将从服务清单中随机选择一个服务；

1. public class RandomRule extends AbstractLoadBalancerRule {
2. public RandomRule() {
3. }
4.  
5. @SuppressWarnings({"RCN_REDUNDANT_NULLCHECK_OF_NULL_VALUE"})
6. //传入一个负载均衡器
7. public Server choose(ILoadBalancer lb, Object key) {
8. if (lb == null) {
9. return null;
10. } else {
11. Server server = null;
12. while(server == null) {
13. if (Thread.interrupted()) {
14. return null;
15. }
16. //通过负载均衡器获取对应的服务列表
17. List<Server> upList = lb.getReachableServers();
18. //通过负载均衡器获取全部服务列表
19. List<Server> allList = lb.getAllServers();
20. int serverCount = allList.size();
21. if (serverCount == 0) {
22. return null;
23. }
24. //获取一个随机数
25. int index = this.chooseRandomInt(serverCount);
26. //通过这个随机数从列表里获取服务
27. server = (Server)upList.get(index);
28. if (server == null) {
29. //当前线程转为就绪状态，让出cpu
30. Thread.yield();
31. } else {
32. if (server.isAlive()) {
33. return server;
34. }
35.  
36. server = null;
37. Thread.yield();
38. }
39. }
40.  
41. return server;
42. }
43. }

小结：通过获取到的所有服务的数量，以这个数量为标准获取一个(0,服务数量)的数作为获取服务实例的下标，从而获取到服务实例

2.ClientConfigEnabledRoundRobinRule：ClientConfigEnabledRoundRobinRule并没有实现什么特殊的处理逻辑，但是他的子类可以实现一些高级策略， 当一些本身的策略无法实现某些需求的时候，它也可以做为父类帮助实现某些策略，一般情况下我们都不会使用它；

1. public class ClientConfigEnabledRoundRobinRule extends AbstractLoadBalancerRule {
2. //使用“4”中的RoundRobinRule策略
3. RoundRobinRule roundRobinRule = new RoundRobinRule();
4.  
5. public ClientConfigEnabledRoundRobinRule() {
6. }
7.  
8. public void initWithNiwsConfig(IClientConfig clientConfig) {
9. this.roundRobinRule = new RoundRobinRule();
10. }
11.  
12. public void setLoadBalancer(ILoadBalancer lb) {
13. super.setLoadBalancer(lb);
14. this.roundRobinRule.setLoadBalancer(lb);
15. }
16.  
17. public Server choose(Object key) {
18. if (this.roundRobinRule != null) {
19. return this.roundRobinRule.choose(key);
20. } else {
21. throw new IllegalArgumentException("This class has not been initialized with the RoundRobinRule class");
22. }
23. }
24. }

小结：用来作为父类，子类通过实现它来实现一些高级负载均衡策略

1）ClientConfigEnabledRoundRobinRule的子类BestAvailableRule：从该策略的名字就可以知道，bestAvailable的意思是最好获取的，该策略的作用是获取到最空闲的服务实例；

1. public class BestAvailableRule extends ClientConfigEnabledRoundRobinRule {
2. //注入负载均衡器，它可以选择服务实例
3. private LoadBalancerStats loadBalancerStats;
4.  
5. public BestAvailableRule() {
6. }
7.  
8. public Server choose(Object key) {
9. //假如负载均衡器实例为空，采用它父类的负载均衡机制，也就是轮询机制，因为它的父类采用的就是轮询机制
10. if (this.loadBalancerStats == null) {
11. return super.choose(key);
12. } else {
13. //获取所有服务实例并放入列表里
14. List<Server> serverList = this.getLoadBalancer().getAllServers();
15. //并发量
16. int minimalConcurrentConnections = 2147483647;
17. long currentTime = System.currentTimeMillis();
18. Server chosen = null;
19. Iterator var7 = serverList.iterator();
20. //遍历服务列表
21. while(var7.hasNext()) {
22. Server server = (Server)var7.next();
23. ServerStats serverStats = this.loadBalancerStats.getSingleServerStat(server);
24. //淘汰掉已经负载的服务实例
25. if (!serverStats.isCircuitBreakerTripped(currentTime)) {
26. //获得当前服务的请求量(并发量)
27. int concurrentConnections = serverStats.getActiveRequestsCount(currentTime);
28. //找出并发了最小的服务
29. if (concurrentConnections < minimalConcurrentConnections) {
30. minimalConcurrentConnections = concurrentConnections;
31. chosen = server;
32. }
33. }
34. }
35.  
36. if (chosen == null) {
37. return super.choose(key);
38. } else {
39. return chosen;
40. }
41. }
42. }
43.  
44. public void setLoadBalancer(ILoadBalancer lb) {
45. super.setLoadBalancer(lb);
46. if (lb instanceof AbstractLoadBalancer) {
47. this.loadBalancerStats = ((AbstractLoadBalancer)lb).getLoadBalancerStats();
48. }
49.  
50. }
51. }

小结：ClientConfigEnabledRoundRobinRule子类之一，获取到并发了最少的服务

2）ClientConfigEnabledRoundRobinRule的另一个子类是PredicateBasedRule：通过源码可以看出它是一个抽象类，它的抽象方法getPredicate()返回一个AbstractServerPredicate的实例，然后它的choose方法调用AbstractServerPredicate类的chooseRoundRobinAfterFiltering方法获取具体的Server实例并返回

1. public abstract class PredicateBasedRule extends ClientConfigEnabledRoundRobinRule {
2. public PredicateBasedRule() {
3. }
4. //获取AbstractServerPredicate对象
5. public abstract AbstractServerPredicate getPredicate();
6.  
7. public Server choose(Object key) {
8. //获取当前策略的负载均衡器
9. ILoadBalancer lb = this.getLoadBalancer();
10. //通过AbstractServerPredicate的子类过滤掉一部分实例(它实现了Predicate)
11. //以轮询的方式从过滤后的服务里选择一个服务
12. Optional<Server> server = this.getPredicate().chooseRoundRobinAfterFiltering(lb.getAllServers(), key);
13. return server.isPresent() ? (Server)server.get() : null;
14. }
15. }

再看看它的chooseRoundRobinAfterFiltering()方法是如何实现的

1. public Optional<Server> chooseRoundRobinAfterFiltering(List<Server> servers, Object loadBalancerKey) {
2. List<Server> eligible = this.getEligibleServers(servers, loadBalancerKey);
3. return eligible.size() == 0 ? Optional.absent() : Optional.of(eligible.get(this.incrementAndGetModulo(eligible.size())));
4. }

是这样的，先通过this.getEligibleServers(servers, loadBalancerKey)方法获取一部分实例，然后判断这部分实例是否为空，如果不为空则调用eligible.get(this.incrementAndGetModulo(eligible.size())方法从这部分实例里获取一个服务，点进this.getEligibleServers看

1. public List<Server> getEligibleServers(List<Server> servers, Object loadBalancerKey) {
2. if (loadBalancerKey == null) {
3. return ImmutableList.copyOf(Iterables.filter(servers, this.getServerOnlyPredicate()));
4. } else {
5. List<Server> results = Lists.newArrayList();
6. Iterator var4 = servers.iterator();
7.  
8. while(var4.hasNext()) {
9. Server server = (Server)var4.next();
10. //条件满足
11. if (this.apply(new PredicateKey(loadBalancerKey, server))) {
12. //添加到集合里
13. results.add(server);
14. }
15. }
16.  
17. return results;
18. }
19. }

getEligibleServers方法是根据this.apply(new PredicateKey(loadBalancerKey, server))进行过滤的，如果满足，就添加到返回的集合中。符合什么条件才可以进行过滤呢？可以发现，apply是用this调用的，this指的是AbstractServerPredicate(它的类对象)，但是，该类是个抽象类，该实例是不存在的，需要子类去实现,它的子类在这里暂时不是看了，以后有空再深入学习下，它的子类如下，实现哪个子类，就用什么 方式过滤。

再回到chooseRoundRobinAfterFiltering()方法，刚刚说完它通过 getEligibleServers方法过滤并获取到一部分实例，然后再通过this.incrementAndGetModulo(eligible.size())方法从这部分实例里选择一个实例返回，该方法的意思是直接返回下一个整数（索引值），通过该索引值从返回的实例列表中取得Server实例。

1. private int incrementAndGetModulo(int modulo) {
2. //当前下标
3. int current;
4. //下一个下标
5. int next;
6. do {
7. //获得当前下标值
8. current = this.nextIndex.get();
9. next = (current + 1) % modulo;
10. } while(!this.nextIndex.compareAndSet(current, next) || current >= modulo);
11.  
12. return current;
13. }

源码撸明白了，再来理一下chooseRoundRobinAfterFiltering()的思路：先通过getEligibleServers()方法获得一部分服务实例，再从这部分服务实例里拿到当前服务实例的下一个服务对象使用。

小结：通过AbstractServerPredicate的chooseRoundRobinAfterFiltering方法进行过滤，获取备选的服务实例清单，然后用线性轮询选择一个实例，是一个抽象类，过滤策略在AbstractServerPredicate的子类中具体实现

3.RetryRule：是对选定的负载均衡策略加上重试机制，即在一个配置好的时间段内（默认500ms），当选择实例不成功，则一直尝试使用subRule的方式选择一个可用的实例，在调用时间到达阀值的时候还没找到可用服务，则返回空，如果没有配置负载策略，默认轮询(即“4”中的轮询)；

先贴上它的源码

1. public class RetryRule extends AbstractLoadBalancerRule {
2. //从这可以看出，默认使用轮询机制
3. IRule subRule = new RoundRobinRule();
4. //500秒的阀值
5. long maxRetryMillis = 500L;
6. //无参构造函数
7. public RetryRule() {
8. }
9. //使用轮询机制
10. public RetryRule(IRule subRule) {
11. this.subRule = (IRule)(subRule != null ? subRule : new RoundRobinRule());
12. }
13.  
14. public RetryRule(IRule subRule, long maxRetryMillis) {
15. this.subRule = (IRule)(subRule != null ? subRule : new RoundRobinRule());
16. this.maxRetryMillis = maxRetryMillis > 0L ? maxRetryMillis : 500L;
17. }
18.  
19. public void setRule(IRule subRule) {
20. this.subRule = (IRule)(subRule != null ? subRule : new RoundRobinRule());
21. }
22.  
23. public IRule getRule() {
24. return this.subRule;
25. }
26. //设置最大耗时时间(阀值)，最多重试多久
27. public void setMaxRetryMillis(long maxRetryMillis) {
28. if (maxRetryMillis > 0L) {
29. this.maxRetryMillis = maxRetryMillis;
30. } else {
31. this.maxRetryMillis = 500L;
32. }
33.  
34. }
35. //获取重试的时间
36. public long getMaxRetryMillis() {
37. return this.maxRetryMillis;
38. }
39. //设置负载均衡器，用以获取服务
40. public void setLoadBalancer(ILoadBalancer lb) {
41. super.setLoadBalancer(lb);
42. this.subRule.setLoadBalancer(lb);
43. }
44. //通过负载均衡器选择服务
45. public Server choose(ILoadBalancer lb, Object key) {
46. long requestTime = System.currentTimeMillis();
47. //当前时间+阀值 = 截止时间
48. long deadline = requestTime + this.maxRetryMillis;
49. Server answer = null;
50. answer = this.subRule.choose(key);
51. //获取到服务直接返回
52. if ((answer == null || !answer.isAlive()) && System.currentTimeMillis() < deadline) {
53. InterruptTask task = new InterruptTask(deadline - System.currentTimeMillis());
54. //获取不到服务的情况下反复获取
55. while(!Thread.interrupted()) {
56. answer = this.subRule.choose(key);
57. if (answer != null && answer.isAlive() || System.currentTimeMillis() >= deadline) {
58. break;
59. }
60.  
61. Thread.yield();
62. }
63.  
64. task.cancel();
65. }
66.  
67. return answer != null && answer.isAlive() ? answer : null;
68. }
69.  
70. public Server choose(Object key) {
71. return this.choose(this.getLoadBalancer(), key);
72. }
73.  
74. public void initWithNiwsConfig(IClientConfig clientConfig) {
75. }
76. }

小结：采用RoundRobinRule的选择机制，进行反复尝试，当花费时间超过设置的阈值maxRetryMills时，就返回null

4.RoundRobinRule:轮询策略，它会从服务清单中按照轮询的方式依次选择每个服务实例，它的工作原理是：直接获取下一个可用实例，如果超过十次没有获取到可用的服务实例，则返回空且报出异常信息；

1. public class RoundRobinRule extends AbstractLoadBalancerRule {
2. private AtomicInteger nextServerCyclicCounter;
3. private static final boolean AVAILABLE_ONLY_SERVERS = true;
4. private static final boolean ALL_SERVERS = false;
5. private static Logger log = LoggerFactory.getLogger(RoundRobinRule.class);
6.  
7. public RoundRobinRule() {
8. this.nextServerCyclicCounter = new AtomicInteger(0);
9. }
10.  
11. public RoundRobinRule(ILoadBalancer lb) {
12. this();
13. this.setLoadBalancer(lb);
14. }
15.  
16. public Server choose(ILoadBalancer lb, Object key) {
17. if (lb == null) {
18. log.warn("no load balancer");
19. return null;
20. } else {
21. Server server = null;
22. int count = 0;
23.  
24. while(true) {
25. //选择十次，十次都没选到可用服务就返回空
26. if (server == null && count++ < 10) {
27. List<Server> reachableServers = lb.getReachableServers();
28. List<Server> allServers = lb.getAllServers();
29. int upCount = reachableServers.size();
30. int serverCount = allServers.size();
31. if (upCount != 0 && serverCount != 0) {
32. int nextServerIndex = this.incrementAndGetModulo(serverCount);
33. server = (Server)allServers.get(nextServerIndex);
34. if (server == null) {
35. Thread.yield();
36. } else {
37. if (server.isAlive() && server.isReadyToServe()) {
38. return server;
39. }
40.  
41. server = null;
42. }
43. continue;
44. }
45.  
46. log.warn("No up servers available from load balancer: " + lb);
47. return null;
48. }
49.  
50. if (count >= 10) {
51.  
52. log.warn("No available alive servers after 10 tries from load balancer: " + lb);
53. }
54.  
55. return server;
56. }
57. }
58. }
59.  
60. //递增的形式实现轮询
61. private int incrementAndGetModulo(int modulo) {
62. int current;
63. int next;
64. do {
65. current = this.nextServerCyclicCounter.get();
66. next = (current + 1) % modulo;
67. } while(!this.nextServerCyclicCounter.compareAndSet(current, next));
68.  
69. return next;
70. }
71.  
72. public Server choose(Object key) {
73. return this.choose(this.getLoadBalancer(), key);
74. }
75.  
76. public void initWithNiwsConfig(IClientConfig clientConfig) {
77. }
78. }

小结：采用线性轮询机制循环依次选择每个服务实例，直到选择到一个不为空的服务实例或循环次数达到10次

它有个子类WeightedResponseTimeRule，WeightedResponseTimeRule是对RoundRobinRule的优化。WeightedResponseTimeRule在其父类的基础上，增加了定时任务这个功能，通过启动一个定时任务来计算每个服务的权重，然后遍历服务列表选择服务实例，从而达到更加优秀的分配效果。我们这里把这个类分为三部分：定时任务，计算权值，选择服务

1）定时任务

1. //定时任务
2. void initialize(ILoadBalancer lb) {
3. if (this.serverWeightTimer != null) {
4. this.serverWeightTimer.cancel();
5. }
6.  
7. this.serverWeightTimer = new Timer("NFLoadBalancer-serverWeightTimer-" + this.name, true);
8. //开启一个任务，每30秒执行一次
9. this.serverWeightTimer.schedule(new WeightedResponseTimeRule.DynamicServerWeightTask(), 0L, (long)this.serverWeightTaskTimerInterval);
10. WeightedResponseTimeRule.ServerWeight sw = new WeightedResponseTimeRule.ServerWeight();
11. sw.maintainWeights();
12. Runtime.getRuntime().addShutdownHook(new Thread(new Runnable() {
13. public void run() {
14. WeightedResponseTimeRule.logger.info("Stopping NFLoadBalancer-serverWeightTimer-" + WeightedResponseTimeRule.this.name);
15. WeightedResponseTimeRule.this.serverWeightTimer.cancel();
16. }
17. }));
18. }

DynamicServerWeightTask()任务如下：

1. class DynamicServerWeightTask extends TimerTask {
2. DynamicServerWeightTask() {
3. }
4.  
5. public void run() {
6. WeightedResponseTimeRule.ServerWeight serverWeight = WeightedResponseTimeRule.this.new ServerWeight();
7.  
8. try {
9. //计算权重
10. serverWeight.maintainWeights();
11. } catch (Exception var3) {
12. WeightedResponseTimeRule.logger.error("Error running DynamicServerWeightTask for {}", WeightedResponseTimeRule.this.name, var3);
13. }
14.  
15. }
16. }

小结：调用initialize方法开启定时任务，再在任务里计算服务的权重

2）计算权重：第一步，先算出所有实例的响应时间；第二步，再根据所有实例响应时间，算出每个实例的权重

1. //用来存储权重
2. private volatile List<Double> accumulatedWeights = new ArrayList();
3.  
4. //内部类
5. class ServerWeight {
6. ServerWeight() {
7. }
8. //该方法用于计算权重
9. public void maintainWeights() {
10. //获取负载均衡器
11. ILoadBalancer lb = WeightedResponseTimeRule.this.getLoadBalancer();
12. if (lb != null) {
13. if (WeightedResponseTimeRule.this.serverWeightAssignmentInProgress.compareAndSet(false, true)) {
14. try {
15. WeightedResponseTimeRule.logger.info("Weight adjusting job started");
16. AbstractLoadBalancer nlb = (AbstractLoadBalancer)lb;
17. //获得每个服务实例的信息
18. LoadBalancerStats stats = nlb.getLoadBalancerStats();
19. if (stats != null) {
20. //实例的响应时间
21. double totalResponseTime = 0.0D;
22.  
23. ServerStats ss;
24. //累加所有实例的响应时间
25. for(Iterator var6 = nlb.getAllServers().iterator(); var6.hasNext(); totalResponseTime += ss.getResponseTimeAvg()) {
26. Server server = (Server)var6.next();
27. ss = stats.getSingleServerStat(server);
28. }
29.  
30. Double weightSoFar = 0.0D;
31. List<Double> finalWeights = new ArrayList();
32. Iterator var20 = nlb.getAllServers().iterator();
33. //计算负载均衡器所有服务的权重，公式是weightSoFar = weightSoFar + weight-实例平均响应时间
34. while(var20.hasNext()) {
35. Server serverx = (Server)var20.next();
36. ServerStats ssx = stats.getSingleServerStat(serverx);
37. double weight = totalResponseTime - ssx.getResponseTimeAvg();
38. weightSoFar = weightSoFar + weight;
39. finalWeights.add(weightSoFar);
40. }
41.  
42. WeightedResponseTimeRule.this.setWeights(finalWeights);
43. return;
44. }
45. } catch (Exception var16) {
46. WeightedResponseTimeRule.logger.error("Error calculating server weights", var16);
47. return;
48. } finally {
49. WeightedResponseTimeRule.this.serverWeightAssignmentInProgress.set(false);
50. }
51.  
52. }
53. }
54. }
55. }

3）选择服务

1. @SuppressWarnings({"RCN_REDUNDANT_NULLCHECK_OF_NULL_VALUE"})
2. public Server choose(ILoadBalancer lb, Object key) {
3. if (lb == null) {
4. return null;
5. } else {
6. Server server = null;
7.  
8. while(server == null) {
9. List<Double> currentWeights = this.accumulatedWeights;
10. if (Thread.interrupted()) {
11. return null;
12. }
13.  
14. List<Server> allList = lb.getAllServers();
15. int serverCount = allList.size();
16. if (serverCount == 0) {
17. return null;
18. }
19.  
20. int serverIndex = 0;
21.  
22. double maxTotalWeight = currentWeights.size() == 0 ? 0.0D : (Double)currentWeights.get(currentWeights.size() - 1);
23. if (maxTotalWeight >= 0.001D && serverCount == currentWeights.size()) {
24. //生产0到最大权重值的随机数
25. double randomWeight = this.random.nextDouble() * maxTotalWeight;
26. int n = 0;
27. //循环权重区间
28. for(Iterator var13 = currentWeights.iterator(); var13.hasNext(); ++n) {
29. //获取到循环的数
30. Double d = (Double)var13.next();
31. //假如随机数在这个区间内，就拿该索引d服务列表获取对应的实例
32. if (d >= randomWeight) {
33. serverIndex = n;
34. break;
35. }
36. }
37.  
38. server = (Server)allList.get(serverIndex);
39. } else {
40. server = super.choose(this.getLoadBalancer(), key);
41. if (server == null) {
42. return server;
43. }
44. }
45.  
46. if (server == null) {
47. Thread.yield();
48. } else {
49. if (server.isAlive()) {
50. return server;
51. }
52.  
53. server = null;
54. }
55. }
56.  
57. return server;
58. }
59. }

小结：首先生成了一个[0，最大权重值） 区间内的随机数，然后遍历权重列表，假如当前随机数在这个区间内，就通过该下标获得对应的服务。

以上就是详解SpringCloud的负载均衡的详细内容，更多关于SpringCloud 负载均衡的资料请关注服务器之家其它相关文章！

原文链接：https://www.cnblogs.com/fengrongriup/p/14505755.html