赞
踩
先来看一下稍微官方点的解释。下面这段话摘自维基百科对负载均衡的定义:
负载均衡改善了跨多个计算资源(例如计算机,计算机集群,网络链接,中央处理单元或磁盘驱动)的工作负载分布。负载平衡旨在优化资源使用,最大化吞吐量,最小化响应时间,并避免任何单个资源的过载。使用具有负载平衡而不是单个组件的多个组件可以通过冗余提高可靠性和可用性。负载平衡通常涉及专用软件或硬件。
上面讲的大家可能不太好理解,再用通俗的话给大家说一下。
我们的系统中的某个服务的访问量特别大,我们将这个服务部署在了多台服务器上,当客户端发起请求的时候,多台服务器都可以处理这个请求。那么,如何正确选择处理该请求的服务器就很关键。假如,你就要一台服务器来处理该服务的请求,那该服务部署在多台服务器的意义就不复存在了。负载均衡就是为了避免单个服务器响应同一请求,容易造成服务器宕机、崩溃等问题,我们从负载均衡的这四个字就能明显感受到它的意义。
在集群负载均衡时,Dubbo 提供了多种均衡策略,默认为 random 随机调用。我们还可以自行扩展负载均衡策略(参考Dubbo SPI机制)。
在 Dubbo 中,所有负载均衡实现类均继承自 AbstractLoadBalance,该类实现了 LoadBalance 接口,并封装了一些公共的逻辑。
AbstractLoadBalance 的实现类有下面这些:
官方文档对负载均衡这部分的介绍非常详细,推荐小伙伴们看看,地址:https://dubbo.apache.org/zh/docs/v2.7/dev/source/loadbalance/#m-zhdocsv27devsourceloadbalanceopen in new window
1.RandomLoadBalance
根据权重随机选择(对加权随机算法的实现)。这是Dubbo默认采用的一种负载均衡策略。
RandomLoadBalance 具体的实现原理非常简单,假如有两个提供相同服务的服务器 S1,S2,S1的权重为7,S2的权重为3。
我们把这些权重值分布在坐标区间会得到:S1->[0, 7) ,S2->[7, 10)。我们生成[0, 10) 之间的随机数,随机数落到对应的区间,我们就选择对应的服务器来处理请求。
RandomLoadBalance 的源码非常简单,简单花几分钟时间看一下。
以下源码来自 Dubbo master 分支上的最新的版本 2.7.9。
- public class RandomLoadBalance extends AbstractLoadBalance {
-
- public static final String NAME = "random";
-
- @Override
- protected <T> Invoker<T> doSelect(List<Invoker<T>> invokers, URL url, Invocation invocation) {
-
- int length = invokers.size();
- boolean sameWeight = true;
- int[] weights = new int[length];
- int totalWeight = 0;
- // 下面这个for循环的主要作用就是计算所有该服务的提供者的权重之和 totalWeight(),
- // 除此之外,还会检测每个服务提供者的权重是否相同
- for (int i = 0; i < length; i++) {
- int weight = getWeight(invokers.get(i), invocation);
- totalWeight += weight;
- weights[i] = totalWeight;
- if (sameWeight && totalWeight != weight * (i + 1)) {
- sameWeight = false;
- }
- }
- if (totalWeight > 0 && !sameWeight) {
- // 随机生成一个 [0, totalWeight) 区间内的数字
- int offset = ThreadLocalRandom.current().nextInt(totalWeight);
- // 判断会落在哪个服务提供者的区间
- for (int i = 0; i < length; i++) {
- if (offset < weights[i]) {
- return invokers.get(i);
- }
- }
-
- return invokers.get(ThreadLocalRandom.current().nextInt(length));
- }
-
- }
-

2.LeastActiveLoadBalance
LeastActiveLoadBalance 直译过来就是最小活跃数负载均衡。
这个名字起得有点不直观,不仔细看官方对活跃数的定义,你压根不知道这玩意是干嘛的。
我这么说吧!初始状态下所有服务提供者的活跃数均为 0(每个服务提供者的中特定方法都对应一个活跃数,我在后面的源码中会提到),每收到一个请求后,对应的服务提供者的活跃数 +1,当这个请求处理完之后,活跃数 -1。
因此,Dubbo 就认为谁的活跃数越少,谁的处理速度就越快,性能也越好,这样的话,我就优先把请求给活跃数少的服务提供者处理。
如果有多个服务提供者的活跃数相等怎么办?
很简单,那就再走一遍 RandomLoadBalance 。
- public class LeastActiveLoadBalance extends AbstractLoadBalance {
-
- public static final String NAME = "leastactive";
-
- @Override
- protected <T> Invoker<T> doSelect(List<Invoker<T>> invokers, URL url, Invocation invocation) {
- int length = invokers.size();
- int leastActive = -1;
- int leastCount = 0;
- int[] leastIndexes = new int[length];
- int[] weights = new int[length];
- int totalWeight = 0;
- int firstWeight = 0;
- boolean sameWeight = true;
- // 这个 for 循环的主要作用是遍历 invokers 列表,找出活跃数最小的 Invoker
- // 如果有多个 Invoker 具有相同的最小活跃数,还会记录下这些 Invoker 在 invokers 集合中的下标,并累加它们的权重,比较它们的权重值是否相等
- for (int i = 0; i < length; i++) {
- Invoker<T> invoker = invokers.get(i);
- // 获取 invoker 对应的活跃(active)数
- int active = RpcStatus.getStatus(invoker.getUrl(), invocation.getMethodName()).getActive();
- int afterWarmup = getWeight(invoker, invocation);
- weights[i] = afterWarmup;
- if (leastActive == -1 || active < leastActive) {
- leastActive = active;
- leastCount = 1;
- leastIndexes[0] = i;
- totalWeight = afterWarmup;
- firstWeight = afterWarmup;
- sameWeight = true;
- } else if (active == leastActive) {
- leastIndexes[leastCount++] = i;
- totalWeight += afterWarmup;
- if (sameWeight && afterWarmup != firstWeight) {
- sameWeight = false;
- }
- }
- }
- // 如果只有一个 Invoker 具有最小的活跃数,此时直接返回该 Invoker 即可
- if (leastCount == 1) {
- return invokers.get(leastIndexes[0]);
- }
- // 如果有多个 Invoker 具有相同的最小活跃数,但它们之间的权重不同
- // 这里的处理方式就和 RandomLoadBalance 一致了
- if (!sameWeight && totalWeight > 0) {
- int offsetWeight = ThreadLocalRandom.current().nextInt(totalWeight);
- for (int i = 0; i < leastCount; i++) {
- int leastIndex = leastIndexes[i];
- offsetWeight -= weights[leastIndex];
- if (offsetWeight < 0) {
- return invokers.get(leastIndex);
- }
- }
- }
- return invokers.get(leastIndexes[ThreadLocalRandom.current().nextInt(leastCount)]);
- }
- }
-

活跃数是通过 RpcStatus 中的一个 ConcurrentMap 保存的,根据 URL 以及服务提供者被调用的方法的名称,我们便可以获取到对应的活跃数。也就是说服务提供者中的每一个方法的活跃数都是互相独立的。
- public class RpcStatus {
-
- private static final ConcurrentMap<String, ConcurrentMap<String, RpcStatus>> METHOD_STATISTICS =
- new ConcurrentHashMap<String, ConcurrentMap<String, RpcStatus>>();
-
- public static RpcStatus getStatus(URL url, String methodName) {
- String uri = url.toIdentityString();
- ConcurrentMap<String, RpcStatus> map = METHOD_STATISTICS.computeIfAbsent(uri, k -> new ConcurrentHashMap<>());
- return map.computeIfAbsent(methodName, k -> new RpcStatus());
- }
- public int getActive() {
- return active.get();
- }
-
- }
3.ConsistentHashLoadBalance
ConsistentHashLoadBalance 小伙伴们应该也不会陌生,在分库分表、各种集群中就经常使用这个负载均衡策略。
ConsistentHashLoadBalance 即一致性Hash负载均衡策略。 ConsistentHashLoadBalance 中没有权重的概念,具体是哪个服务提供者处理请求是由你的请求的参数决定的,也就是说相同参数的请求总是发到同一个服务提供者。
另外,Dubbo 为了避免数据倾斜问题(节点不够分散,大量请求落到同一节点),还引入了虚拟节点的概念。通过虚拟节点可以让节点更加分散,有效均衡各个节点的请求量。
4.RoundRobinLoadBalance
加权轮询负载均衡。
轮询就是把请求依次分配给每个服务提供者。加权轮询就是在轮询的基础上,让更多的请求落到权重更大的服务提供者上。比如假如有两个提供相同服务的服务器 S1,S2,S1的权重为7,S2的权重为3。
如果我们有 10 次请求,那么 7 次会被 S1处理,3次被 S2处理。
但是,如果是 RandomLoadBalance 的话,很可能存在10次请求有9次都被 S1 处理的情况(概率性问题)。
Dubbo 中的 RoundRobinLoadBalance 的代码实现被修改重建了好几次,Dubbo-2.6.5 版本的 RoundRobinLoadBalance 为平滑加权轮询算法。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。