17. Dubbo原理解析-集群&容错之负载均衡

LoadBalance负载均衡， 负责从多个 Invokers当选出具体的1个Invoker用于本次调用，调用进程中包括了负载均衡的算法，调用失败后需要重新选择

LoadBalance接口定义

@SPI(RandomLoadBalance.NAME)

public interface LoadBalance{

@Adaptive("loadbalance")

<T> Invoker<T> select(List<Invoker<T>> invokers,URL url, Invocation invocation)throws RpcException;

}

类注解@SPI说明可以基于Dubbo的扩大机制进行自定义的负责均衡算法实现，默许是随机算法

方法注解@Adaptive说明能够生成设配方法

Select方法设配类通过url的参数选择具体的算法， 在从invokers集合中根据具体的算法选择1个invoker

 

 

1. RandomLoadBalance: 随机访问策略，按权重设置随机几率，是默许策略

1）获得所有invokers的个数

2）遍历所有Invokers, 获得计算每一个invokers的权重，并把权重累计加起来

每相邻的两个invoker比较他们的权重是不是1样，有1个不1样说明权重不均等

3）总权重大于零且权重不均等的情况下

按总权重获得随机数offset = random.netx(totalWeight);

遍历invokers肯定随机数offset落在哪一个片断(invoker上)

4）权重相同或总权重为0， 根据invokers个数均等选择

invokers.get(random.nextInt(length))

 

      

2. RoundRobinLoadBalance:轮询，按公约后的权重设置轮询比率

1）获得轮询key  服务名+方法名

获得可供调用的invokers个数length

设置最大权重的默许值maxWeight=0

设置最小权重的默许值minWeight=Integer.MAX_VALUE

2）遍历所有Inokers，比较出得出maxWeight和minWeight

3）如果权重是不1样的

根据key获得自增序列

自增序列加1与最大权重取模默许得到currentWeigth

遍历所有invokers挑选出大于currentWeight的invokers

设置可供调用的invokers的个数length

4）自增序列加1并与length取模，从invokers获得invoker

 

 

3. LeastActiveLoadBalance: 最少活跃调用数， 相同的活跃的随机选择，

活跃数是指调用前后的计数差， 使慢的提供者收到更少的要求，由于越慢的提供者前后的计数差越大。

活跃计数的功能消费者是在ActiveLimitFilter中设置的

4. 最少活跃的选择进程以下：

1）获得可调用invoker的总个数

初始化最小活跃数，相同最小活跃的个数

相同最小活跃数的下标数组

等等

2）遍历所有invokers， 获得每一个invoker的获得数active和权重

找出最小权重的invoker

如果有相同最小权重的inovkers， 将下标记录到数组leastIndexs[]数组中

累计所有的权重到totalWeight变量

3）如果invokers的权重不相等且totalWeight大于0

按总权重随机offsetWeight = random.nextInt(totalWeight)

计算随机值在哪一个片断上并返回invoker

4）如果invokers的权重相等或totalWeight等于0，均等随机

 

 

5. ConsistentHashLoadBalance:1致性hash, 相同参数的要求总是发到同1个提供者，当某1台提供者挂时，本来发往该提供者的要求，基于虚拟节点，平摊到其它提供者，不会引发剧烈变动。对1致性哈希算法介绍网上很多，这个给出1篇http://blog.csdn.net/sparkliang/article/details/5279393供参考，读者请自行浏览ConsistentashLoadBalance中对1致性哈希算法的实现，还是比较通俗易懂的这里不再