【SpringCloud】Netflix源码解析之Ribbon:负载均衡策略的定义和实现
Ribbon负载均衡策略定义
IRule其实就只做了一件事情Server choose(Object key),可以看到这个功能是在LB中定义(要求)的,LB把这个功能委托给IRule来实现。不同的IRule可以向LB提供不同的负载均衡算法。
public interface IRule{ public Serverchoose(Object key); public void setLoadBalancer(ILoadBalancerlb); public ILoadBalancergetLoadBalancer(); }
com.netflix.loadbalancer包下面的提供了常用的几种策略。有RoundRobinRule、RandomRule这样的不依赖于Server运行状况的策略,也有AvailabilityFilteringRule、WeightedResponseTimeRule等多种基于收集到的Server运行状况决策的策略。判断运行状况时有,判断单个server的,也有判断整个zone的,适用于各种不同场景需求。
实现上有些策略可以继承一个既存的简单策略用于某些启动时候,也可以包含一个简单策略。甚至有ZoneAvoidanceRule这样的可以包含复合谓词的条件判断。TODOTODO IRue hireachy
Ribbon自带负载均衡策略比较
策略名 | 策略声明 | 策略描述 | 实现说明 |
BestAvailableRule | public class BestAvailableRule extends ClientConfigEnabledRoundRobinRule | 选择一个最小的并发请求的server | 逐个考察Server,如果Server被tripped了,则忽略,在选择其中ActiveRequestsCount最小的server |
AvailabilityFilteringRule | public class AvailabilityFilteringRule extends PredicateBasedRule | 过滤掉那些因为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的后端server(active connections 超过配置的阈值) | 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 |
WeightedResponseTimeRule | public class WeightedResponseTimeRule extends RoundRobinRule | 根据相应时间分配一个weight,相应时间越长,weight越小,被选中的可能性越低。 | 一个后台线程定期的从status里面读取评价响应时间,为每个server计算一个weight。Weight的计算也比较简单responsetime 减去每个server自己平均的responsetime是server的权重。当刚开始运行,没有形成statas时,使用roubine策略选择server。 |
RetryRule | public class RetryRule extends AbstractLoadBalancerRule | 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 |
RoundRobinRule | public class RoundRobinRule extends AbstractLoadBalancerRule | roundRobin方式轮询选择server | 轮询index,选择index对应位置的server |
RandomRule | public class RandomRule extends AbstractLoadBalancerRule | 随机选择一个server | 在index上随机,选择index对应位置的server |
ZoneAvoidanceRule | public class ZoneAvoidanceRule extends PredicateBasedRule | 复合判断server所在区域的性能和server的可用性选择server | 使用ZoneAvoidancePredicate和AvailabilityPredicate来判断是否选择某个server,前一个判断判定一个zone的运行性能是否可用,剔除不可用的zone(的所有server),AvailabilityPredicate用于过滤掉连接数过多的Server。 |
Ribbon自带负载均衡策略实现解析
1. com.netflix.loadbalancer.BestAvailableRule
功能:选择一个最小的并发请求的server
主要代码:逐个考察Server,如果Server被tripped了,则忽略,在选择其中ActiveRequestsCount最小的server
for (Serverserver: serverList) { ServerStatsserverStats = loadBalancerStats.getSingleServerStat(server); if (!serverStats.isCircuitBreakerTripped(currentTime)) { int concurrentConnections = serverStats.getActiveRequestsCount(currentTime); if (concurrentConnections < minimalConcurrentConnections) { minimalConcurrentConnections = concurrentConnections; chosen = server; } }
2 com.netflix.loadbalancer.AvailabilityFilteringRule
功能:过滤掉那些因为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的后端server(active connections 超过配置的阈值)
主要代码: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,过滤掉那些高并发的的后端server(active connections 超过配置的阈值)
boolean com.netflix.loadbalancer.AvailabilityPredicate.shouldSkipServer(ServerStatsstats) { if ((CIRCUIT_BREAKER_FILTERING.get() && stats.isCircuitBreakerTripped()) || stats.getActiveRequestsCount() >= activeConnectionsLimit.get()) { return true; } return false; }
3 com.netflix.loadbalancer.WeightedResponseTimeRule
功能:根据相应时间分配一个weight,相应时间越长,weight越小,被选中的可能性越低。 ”
主要代码:一个后台线程定期的从status里面读取评价响应时间,为每个server计算一个weight。Weight的计算也比较简单responsetime 减去每个server自己平均的responsetime是server的权重。当刚开始运行,没有形成statas时,使用roubine策略选择server。
class DynamicServerWeightTask extends TimerTask { public void run() { ServerWeightserverWeight = new ServerWeight(); serverWeight.maintainWeights(); } }maintainWeights(){ List<Double> finalWeights = new ArrayList<Double>(); for (Serverserver : nlb.getAllServers()) { ServerStatsss = stats.getSingleServerStat(server); double weight = totalResponseTime – ss.getResponseTimeAvg(); weightSoFar += weight; finalWeights.add(weightSoFar); } setWeights(finalWeights);}Serverchoose(ILoadBalancerlb, Object key) { double randomWeight = random.nextDouble() * maxTotalWeight; // pick the server index based on the randomIndex int n = 0; for (Double d : currentWeights) { if (d >= randomWeight) { serverIndex = n; break; } else { n++; } }server = allList.get(serverIndex);}
4 com.netflix.loadbalancer.RetryRule
功能:对选定的负载均衡策略机上重试机制。
主要代码: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
answer = subRule.choose(key); if (((answer == null) || (!answer.isAlive())) && (System.currentTimeMillis() < deadline)) { InterruptTasktask = new InterruptTask(deadline - System.currentTimeMillis()); while (!Thread.interrupted()) { answer = subRule.choose(key); if (((answer == null) || (!answer.isAlive())) && (System.currentTimeMillis() < deadline)) { /* pause and retry hoping it’s transient */ Thread.yield(); } else { break; } } task.cancel();
5 com.netflix.loadbalancer.RoundRobinRule
功能:roundRobin方式轮询选择server
主要代码:轮询index,选择index对应位置的server
List<Server> allServers = lb.getAllServers(); int upCount = reachableServers.size(); int serverCount = allServers.size(); int nextServerIndex = incrementAndGetModulo(serverCount); server = allServers.get(nextServerIndex);
6 com.netflix.loadbalancer.RandomRule
功能:随机选择一个server
主要代码:在index上随机,选择index对应位置的server
List<Server> upList = lb.getReachableServers(); List<Server> allList = lb.getAllServers(); int serverCount = allList.size(); int index = rand.nextInt(serverCount); server = upList.get(index);
7 com.netflix.loadbalancer.ZoneAvoidanceRule
功能:复合判断server所在区域的性能和server的可用性选择server
主要代码:使用ZoneAvoidancePredicate和AvailabilityPredicate来判断是否选择某个server,前一个,以一个区域为单位考察可用性,对于不可用的区域整个丢弃,从剩下区域中选可用的server。判断出最差的区域,排除掉最差区域。在剩下的区域中,将按照服务器实例数的概率抽样法选择,从而判断判定一个zone的运行性能是否可用,剔除不可用的zone(的所有server),AvailabilityPredicate用于过滤掉连接数过多的Server。
public com.netflix.loadbalancer.PredicateBasedRule.Serverchoose(Object key) { ILoadBalancerlb = getLoadBalancer(); Optional<Server> server = getPredicate().chooseRoundRobinAfterFiltering(lb.getAllServers(), key); if (server.isPresent()) { return server.get(); } }
参照现有的若干中rule的实现风格,根据我们自己需要也可以开发出自定义的负载均衡策略。完。
参考资料:
http://www.tuicool.com/articles/7zIbIb3
转载于:https://www.cnblogs.com/junneyang/p/6379486.html
【SpringCloud】Netflix源码解析之Ribbon:负载均衡策略的定义和实现相关推荐
- Doris源码解析[一、负载均衡]
# Doris 副本修复和均衡策略 # 名词解释 Tablet:Doris 表的逻辑分片,一个表有多个分片 Replica:分片的副本,默认一个分片有3个副本 Healthy Replica:健康副本 ...
- 【云原生微服务八】Ribbon负载均衡策略之WeightedResponseTimeRule源码剖析(响应时间加权)
文章目录 一.前言 二.WeightedResponseTimeRule 1.计算权重? 1)如何更新权重? 2)如何计算权重? 3)例证权重的计算 2.权重的使用 1)权重区间问题? 一.前言 前置 ...
- Ribbon负载均衡策略
目录 1.基于Ribbon方式的负载均衡,Netflix默认提供了七种负载均衡策略, 2. @LoadBalanced 1.基于Ribbon方式的负载均衡,Netflix默认提供了七种负载均衡策略, ...
- spring cloud中通过配置文件自定义Ribbon负载均衡策略
2019独角兽企业重金招聘Python工程师标准>>> spring cloud中通过配置文件自定义Ribbon负载均衡策略 博客分类: 微服务 一.Ribbon中的负载均衡策略 1 ...
- Ribbon负载均衡策略-3
Ribbon负载均衡策略-3 常用策略 1.RoundRobinRule 轮转调度策略 2.RetryRule重试规律策略 3.RandomRule随机策略 Ribbon的负载均衡策略是由IRule接 ...
- 企业级java springcloud b2bc商城系统开源源码二次开发-负载均衡策略...
简单轮询负载均衡 以轮询的方式依次将请求调度不同的服务器,即每次调度执行i=(i+1) mod n 文章来源 JAVA ssm b2b2c多用户商城系统源码 随机负载均衡 随机选择状态为UP的serv ...
- SpringCloud组件:Ribbon负载均衡策略及执行原理!
大家好,我是磊哥. 今天我们来看下微服务中非常重要的一个组件:Ribbon.它作为负载均衡器在分布式网络中扮演着非常重要的角色. 本篇主要内容如下: 在介绍 Ribbon 之前,不得不说下负载均衡这个 ...
- Ribbon负载均衡策略初步解读
1.接口实现结构图 此图参考(https://blog.csdn.net/qq_31489805/article/details/80341200) 2.ribbon的几种负载均衡原则 RandomR ...
- ribbon负载均衡策略详解
一,IRule接口 IRule接口定义了选择负载均衡策略的基本操作.通过调用choose()方法,就可以选择具体的负载均衡策略. // 选择目标服务节点 Server choose(Object va ...
最新文章
- hibernate annotation多对多中间表添加其他字段的第三种方法
- python十六进制看图片
- 快速上手用Python搭建自己的第一个pyecharts图表
- WinCE中的RAM-Based Registry与HIVE-Based Registry
- jsp,div 限制字数,超出部分用省略号代替
- 从零开始学Pytorch(十五)之数据增强
- Netty工作笔记0075---handler链调用机制实例1
- leetcode-141. 环形链表:判断链表是否成环
- 【小白视角】大数据基础实践(二)Hadoop环境搭建与测试
- C#文件和文件文件夹排序
- Tsinsen D486 蓝雨
- (装机)关于WINRE/ESP/LRS_ESP/MSR/PBR这些分区
- Leetcode 1921. 消灭怪物的最大数量-排序+贪心
- 2021-02-14
- HashMap的底层实现
- 云原生爱好者周刊:美国国家安全局发布网络安全指南
- 对学生公寓部建议和意见_部门管理建议和意见 宿舍管理意见和建议
- python求阶乘怎么做_python如何求阶乘
- 航空业走向发展黄金期,P2P线下金融实现线上大迁徙
- 小米6 twrp_小米MIX 2S玩机上手指南:真的超简单
热门文章
- 【Pytorch神经网络基础理论篇】 07 线性回归 + 基础优化算法
- 智慧交通day02-车流量检测实现08:目标跟踪中的数据关联(将检测框bbox与卡尔曼滤波器的跟踪框进行关联匹配)
- LeetCode 2135. 统计追加字母可以获得的单词数(位运算+哈希)
- LeetCode 1156. 单字符重复子串的最大长度
- LeetCode MySQL 1270. 向公司CEO汇报工作的所有人
- LeetCode MySQL 1445. 苹果和桔子
- 程序员面试金典 - 面试题 01.06. 字符串压缩(字符串)
- LeetCode 1190. 反转每对括号间的子串(栈)
- 怎么画韦布尔分布_手机按键寿命测试的样本数量怎么定?一文看懂 简述威布尔分布及其应用...
- python将元祖设为整形_python基础(5)---整型、字符串、列表、元组、字典内置方法和文件操作介绍...