java架构之路-（微服务专题）ribbon的基本使用和内部算法的自我实现

时间:2020-02-20 小菜技术人气:0

上次回归：

　　上次我们主要说了，我们的注册中心nacos的使用，如我们的命名空间、分组、集群、版本等是如何使用的，如果是这样呢？我们现在有三个用户服务和三个订单服务，我们应该如何分发这些请求呢？都请求到一个服务？轮询？权重？这次我们就来看一下我们的如何解决这些问题的。

本次主要内容：

　　本次我们主要来说ribbon的使用，还有ribbon是如何配置各个分发策略的，再就是我们怎么能自己实现我们的自己的分发策略。

客户端负载均衡：

　　nginx大家都很熟悉了，提到负载均衡，我们第一个想到的一定是nginx，他的反向代理很强大，内部可以实现轮询、权重、IP哈希、URL哈希几种算法来分发我们的请求，这个就是我们熟悉的负载均衡，也叫做服务端负载均衡。那么什么又是客户端的负载均衡呢？举个小栗子。我们去***高级会所，叫了一个按摩的，其实这个是由一个主管给你安排一个技师给你的，不是你自己来选择的，由主管安排的，我们可以理解为服务端负载均衡。

　　那么如果我们又去了***高级会所（由于常去，都熟悉哪个技师给力），又叫了一个按摩的，感觉上次的89号按的不错，手法娴熟，我们直接选取了我们的89号技师，并不是由主管安排的，是我们的一个自主选择，是我们在我们的心中选择了合适的人选给予按摩，这样的操作，我们可以理解为客户端负载均衡。

ribbon的使用：

　　ribbon在中间给给予我们一个选择的作用了，而且省去了很多的代码（相比上次博客的代码来说），我们先来看一个最简单的示例代码。

　　一、最简单的实现

　　①.加入我们的ribbon依赖包，我这直接放在的父工程下了。

<!-- 加入ribbon依赖包 -->
<dependency>
    <groupId>org.springframework.cloud</groupId>
    <artifactId>spring-cloud-starter-netflix-ribbon</artifactId>
<https://img.qb5200.com/download-x/dependency>

　　②.改用户服务的config配置（调用方）。@LoadBalanced

package com.user.config;

import org.springframework.cloud.client.loadbalancer.LoadBalanced;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.web.client.RestTemplate;

@Configuration
public class ClientConfig {

    @LoadBalanced
    @Bean
    public RestTemplate restTemplate() {
        return new RestTemplate();
    }
}

　　③.改用户服务（调用方）的调用方式，刚才我都提到了会简单很多代码，看一下到底简单了多少代码

package com.user.clintOrder;

import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;
import org.springframework.web.client.RestTemplate;

@RestController
public class UserController {
    @Autowired
    private RestTemplate restTemplate;

    @GetMapping("/getOrder")
    public String getOrderData(){
        String forObject = restTemplate.getForObject("http://ribbon-order/getOrderData", String.class);
        System.out.println("forObject = " + forObject);
        return forObject;
    }
}

　　④.启动订单服务（被调用方），启动用户服务（调用方）

　　OK，最简单的示例完成了。

　　二、内部算法

　　刚才我说到了ribbon可以做到客户端的负载均衡，现在我们只有一个服务体现不出来的啊，我们在多弄几个被调用端。很多小伙伴可能还不会IDEA同时启动多个服务，我这里顺便说一句，会的请无视。我们先启动一个订单服务，然后点击左上角的下拉选项，就是你运行程序，Debug程序，结束程序那里，然后点击Edit Configurations...，点开以后，勾选Allow parenel run就可以了，记得自己该程序的端口，要不会端口冲突。有的IDEA版本是勾选share即可。

　　这次我们启动三个订单服务，然后看一下访问情况。第一次访问，调用了我们的8082端口的订单服务服务，第二次是我们的8083，第三次是我们的8081......可以看出来这个是一个轮询的规则来调用的。

　　严格意义来说也不算是轮询的，如果你是亚马逊的服务器，你就不会体验的轮询了，我们接下来看一下都有什么算法。

　　我知道的有这7中算法。

　　①.RoundRobinRule 轮询选择，轮询index，选择index对应位置的Server。轮询

　　②.ZoneAvoidanceRule（默认是这个），复合判断Server所在Zone的性能和Server的可用性选择Server，在没有Zone的情况下类是轮询。你在国内可以理解为轮询。轮询

　　③.RandomRule，随机选择一个Server)。随机

　　④.RetryRule，对选定的负载均衡策略机上重试机制，在一个配置时间段内当选择Server不成功，则一直尝试使用subRule的方式选择一个可用的server.

　　⑤.AvailabilityFilteringRule，过滤掉一直连接失败的被标记为circuit tripped的后端Server，并过滤掉那些高并发的后端Server或者使用一个AvailabilityPredicate来包含过滤server的逻辑，其实就就是检查status里记录的各个Server的运行状态

　　⑥.BestAvailableRule，选择一个最小的并发请求的Server，逐个考察Server，如果Server被tripped了，则跳过。并发

　　⑦.WeightedResponseTimeRule，根据响应时间加权，响应时间越长，权重越小，被选中的可能性越低。响应时间长短

　　那么这么多的算法，我们来如何配置呢？我们来改一下我们的config配置

package com.user.config;

import com.netflix.loadbalancer.IRule;
import com.netflix.loadbalancer.RandomRule;
import org.springframework.cloud.client.loadbalancer.LoadBalanced;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.web.client.RestTemplate;

@Configuration
public class ClientConfig {

    @LoadBalanced
    @Bean
    public RestTemplate restTemplate() {
        return new RestTemplate();
    }

    /**
     * 选择ribbon算法
     * @return
     */
    @Bean
    public IRule chooseAlgorithm(){
        return new RandomRule();
    }
}

　　这样我们就更改了我们的默认算法，改为了随机选择的算法，我就不用上图给你们看测试结果了，我这测过了，好用~！我这是8081->8081->8081->8083->8082->8082，完全没有规律，是随机的。

　　三、细粒度配置

　　说到这还没完，我们来看一个需求，我们用户服务需要轮询调用积分服务，且需要随机调用订单服务，怎么来配置？我们下面来看一下如何细粒度的来配置。

　　首先我们在用户服务下面添加两个类，注意不要被spring扫描到。

package com.config;

import com.netflix.loadbalancer.IRule;
import com.netflix.loadbalancer.RoundRobinRule;public class IntegralConfig {

    /**
     * 选择积分服务算法
     * @return
     */public IRule chooseAlgorithm(){
        return new RoundRobinRule();
    }
}

package com.config;

import com.netflix.loadbalancer.IRule;
import com.netflix.loadbalancer.RandomRule;
public class OrderConfig {

    /**
     * 选择订单服务算法
     * @return
     */public IRule chooseAlgorithm(){
        return new RandomRule();
    }
}

　　然后在我们的主配置类的加入注解，就是说我们的遇到ribbon-order服务调用OrderConfig类下面的算法，我们的遇到ribbon-logistics服务调用LogisticsConfig类下面的算法，

package com.user.config;

import com.config.IntegralConfig;
import com.config.OrderConfig;
import org.springframework.cloud.client.loadbalancer.LoadBalanced;
import org.springframework.cloud.netflix.ribbon.RibbonClient;
import org.springframework.cloud.netflix.ribbon.RibbonClients;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;
import org.springframework.web.client.RestTemplate;

@Configuration
@RibbonClients(value={
        @RibbonClient(name="ribbon-order",configuration = OrderConfig.class),
        @RibbonClient(name="ribbon-integral",configuration = IntegralConfig.class)
})
public class ClientConfig {

    @LoadBalanced
    @Bean
    public RestTemplate restTemplate() {
        return new RestTemplate();
    }
    
}

　　这是其中的一种配置，下面还有一种配置比较简单，在配置文件中加入算法就可以了，但是切记，不要两种同时使用，容易乱。

ribbon-order:
  ribbon:
    NFLoadBalancerRuleClassName: com.netflix.loadbalancer.RandomRule
ribbon-integral:
  ribbon:
    NFLoadBalancerRuleClassName: com.netflix.loadbalancer.RoundRobinRule

　　我们先来实测一下我们的配置是否真的可用，先测试第一种注解+外部配置文件的，轮询积分服务，随机订单服务，我们先验证积分。第一次访问积分服务

第二次访问积分服务

第三次访问积分服务

第四次访问积分服务

积分服务是轮询的，说明积分服务算法配置正确，我们再来看一下订单服务。第一访问订单服务

第二次访问订单服务

第三次访问订单服务

第四和第五次访问订单服务

吓死我了，以为配置失败了呢，害得我第四次和第五次同时访问的，可以看出来12311这个顺序是一个随机的，我们再来验证一下我们的配置文件方式。

我们的订单服务的结果是：8083->8083->8083->8082->8082->8082->8082，可以看出来我们的订单是一个随机数。

我们的积分服务的结果是：9081->9082->9083->9081->9082->9083->9081，可以看出来我们的积分是一个轮询的算法。

　　这里我说到了两种配置，再次强调一次，强烈不建议两种配置同时使用，你会乱的，建议使用配置文件的方式（不需要考虑文件是否被spring扫描到的问题），其次使用外部配置文件，不让spring扫描到的方式。

　　四、ribbon参数解析

ribbon.MaxAutoRetries=1 #每一台服务器重试的次数，不包含首次调用的那一次 
ribbon.MaxAutoRetriesNextServer=2 #重试的服务器的个数，不包含首次调用的那一台实例 
ribbon.OkToRetryOnAllOperations=true #是否对所以的操作进行重试(True 的话，会对pos、 put操作进行重试，存在服务幂等问题) 没事别配置这个玩意，是个坑
ribbon.ConnectTimeout=3000 # 建立连接超时 
ribbon.ReadTimeout=3000 # 读取数据超时

　　也可以为每个Ribbon客户端设置不同的超时时间, 通过服务名称进行指定：

　　ribbon-order.ribbon.ConnectTimeout=2000

　　ribbon-integral.ribbon.ReadTimeout=5000

　　详细地址http://c.biancheng.net/view/5356.html

　　开启饥饿加载，用来解决Ribbon第一次调用耗时高的配置

ribbon.eager-load.enabled=true #开启Ribbon的饥饿加载模式
ribbon.eager-load.clients=ribbon-order #指定需要饥饿加载的服务名

　　五、自定义规则策略（权重）

　　我们的ribbon并没有我们平时用的权重算法，所以我们还是需要自己来实现权重算法的，首先新建一个规则类，然后集成我们的AbstractLoadBalancerRule，重写我们的choose方法。

package com.user.myRule;

import com.alibaba.cloud.nacos.NacosDiscoveryProperties;
import com.alibaba.cloud.nacos.ribbon.NacosServer;
import com.alibaba.nacos.api.exception.NacosException;
import com.alibaba.nacos.api.naming.NamingService;
import com.alibaba.nacos.api.naming.pojo.Instance;
import com.netflix.client.config.IClientConfig;
import com.netflix.loadbalancer.AbstractLoadBalancerRule;
import com.netflix.loadbalancer.BaseLoadBalancer;
import com.netflix.loadbalancer.Server;
import org.springframework.beans.factory.annotation.Autowired;

public class WeightedRule extends AbstractLoadBalancerRule {

    @Autowired
    private NacosDiscoveryProperties discoveryProperties;


    @Override
    public void initWithNiwsConfig(IClientConfig iClientConfig) {
        //读取配置文件并且初始化,ribbon内部的 几乎用不上
    }

    @Override
    public Server choose(Object key) {
        try {
            BaseLoadBalancer baseLoadBalancer = (BaseLoadBalancer) this.getLoadBalancer();
            //获取微服务的名称
            String serviceName = baseLoadBalancer.getName();

            //获取Nocas服务发现的相关组件API
            NamingService namingService =  discoveryProperties.namingServiceInstance();

            //获取 一个基于nacos client 实现权重的负载均衡算法
            Instance instance = namingService.selectOneHealthyInstance(serviceName);

            //返回一个server
            return new NacosServer(instance);
        } catch (NacosException e) {
            System.out.println("自定义负载均衡算法错误");
            e.printStackTrace();
        }
        return null;
    }
}

　　然后按照我们配置算法的方式来配置一下我们的自定义算法，首先写一个不会被spring扫描的类，在我们的配置中加入我们的注解，这次我们设置所有的服务都用我们的自定义算法

package com.config;

import com.netflix.loadbalancer.IRule;
import com.user.myRule.WeightedRule;
import org.springframework.context.annotation.Bean;
import org.springframework.context.annotation.Configuration;

public class WeightedConfig {

    /**
     * 选择权重算法
     * @return
     */public IRule chooseAlgorithm(){
        return new WeightedRule();
    }
}

@RibbonClients(defaultConfiguration = WeightedConfig.class)

启动我们的订单服务，这次我启动了两个订单服务，打开我们的nacos页面，设置权重

　　从这个配置来看我们是几乎都是访问的8081这个服务的，我们来测试一下。我获取了10次，实际上也是有9次落到我们的8081的服务上

　　六、自定义算法，同集群优先

　　上次nacos我们留下了一个小问题，就是同一个集群的优先调用，需要我们自己来实现，上次没有说，今天说了ribbon，可以去说如何同集群优先调用了

package com.user.myRule;

import com.alibaba.cloud.nacos.NacosDiscoveryProperties;
import com.alibaba.cloud.nacos.ribbon.NacosServer;
import com.alibaba.nacos.api.exception.NacosException;
import com.alibaba.nacos.api.naming.NamingService;
import com.alibaba.nacos.api.naming.pojo.Instance;
import com.netflix.client.config.IClientConfig;
import com.netflix.loadbalancer.AbstractLoadBalancerRule;
import com.netflix.loadbalancer.BaseLoadBalancer;
import com.netflix.loadbalancer.Server;
import lombok.extern.slf4j.Slf4j;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;
import org.springframework.beans.factory.annotation.Autowired;
import org.springframework.util.StringUtils;
import java.util.ArrayList;
import java.util.List;

@Slf4j
public class TheSameClusterPriorityRule extends AbstractLoadBalancerRule {

    public static final Logger log = LoggerFactory.getLogger(TheSameClusterPriorityRule.class);

    @Autowired
    private NacosDiscoveryProperties discoveryProperties;

    @Override
    public void initWithNiwsConfig(IClientConfig clientConfig) {

    }

    @Override
    public Server choose(Object key) {
        try {
            //第一步:获取当前服务所在的集群
            String currentClusterName = discoveryProperties.getClusterName();

            //第二步:获取一个负载均衡对象
            BaseLoadBalancer baseLoadBalancer = (BaseLoadBalancer) getLoadBalancer();

            //第三步:获取当前调用的微服务的名称
            String invokedSerivceName = baseLoadBalancer.getName();

            //第四步:获取nacos clinet的服务注册发现组件的api
            NamingService namingService = discoveryProperties.namingServiceInstance();

            //第五步:获取所有的服务实例
            List<Instance> allInstance =  namingService.getAllInstances(invokedSerivceName);

            List<Instance> theSameClusterNameInstList = new ArrayList<>();

            //第六步:过滤筛选同集群下的所有实例
            for(Instance instance : allInstance) {
                if(StringUtils.endsWithIgnoreCase(instance.getClusterName(),currentClusterName)) {
                    theSameClusterNameInstList.add(instance);
                }
            }

            Instance toBeChooseInstance ;

            //第七步:选择合适的一个实例调用
            if(theSameClusterNameInstList.isEmpty()) {

                toBeChooseInstance = WeightedBalancer.chooseInstanceByRandomWeight(allInstance);
                System.out.println("发生跨集群调用");
                log.info("发生跨集群调用--->当前微服务所在集群:{},被调用微服务所在集群:{},Host:{},Port:{}",
                        currentClusterName,toBeChooseInstance.getClusterName(),toBeChooseInstance.getIp(),toBeChooseInstance.getPort());
            }else {
                toBeChooseInstance = WeightedBalancer.chooseInstanceByRandomWeight(theSameClusterNameInstList);
                System.out.println("同集群调用");
                log.info("同集群调用--->当前微服务所在集群:{},被调用微服务所在集群:{},Host:{},Port:{}",
                        currentClusterName,toBeChooseInstance.getClusterName(),toBeChooseInstance.getIp(),toBeChooseInstance.getPort());

            }

            return new NacosServer(toBeChooseInstance);

        } catch (NacosException e) {
            log.error("同集群优先权重负载均衡算法选择异常:{}",e);
        }
        return null;
    }
}

总结：

　　本次博客主要说了我们的ribbon的使用，以及我们的内部算法也简单说了一遍，后面的源码博客会具体去说内部的实现，我们还定义了我们自己的算法。

最进弄了一个公众号，小菜技术，欢迎大家的加入

加载全部内容