dubbo负载均衡策略以及自定义负载均衡

最近在用dubbo做服务治理，用到了负载均衡，看了下dubbo的源码，整理下。

dubbo的负载均衡类图如下：

LoadBalance是顶层接口,提供了唯一的接口方法select,如下：

标注为@SPI的注解，只有标有@SPI注解的接口类才会查找扩展点的实现，dubbo依次从下面这三个路径读取扩展点文件：META-INF/dubbo/internal 、META-INF/dubbo/ 、META-INF/services/，其中dubbo内部实现的各种扩展文件都放在META-INF/dubbo/internal目录下面，如下定义

所以我们如果要动态扩展LoadBalance，只需要实现该接口，然后将全类名加入到扩展点即可。

AbstractLoadBalance:抽象类，实现了一些通用的权重计算方法，具体的负载均衡交给子类去实现doSelect方法，如下：

dubbo提供了四种负载均衡策略，如下：

下面一一介绍这四种负载均衡策略

1.RandomLoadBalance:按权重随机调用，这种方式是dubbo默认的负载均衡策略，源码如下：

实现思路很简单：如果服务多实例权重相同，则进行随机调用；如果权重不同，按照总权重取随机数

根据总权重数生成一个随机数，然后和具体服务实例的权重进行相减做偏移量，然后找出偏移量小于0的，比如随机数为10，某一个服务实例的权重为12，那么10-12=-2<0成立，则该服务被调用，这种策略在随机的情况下尽可能保证权重大的服务会被随机调用。

 
        01 
        protected <T> Invoker<T> doSelect(List<Invoker<T>> invokers, URL url, Invocation invocation) { 
       
        02 
                int length = invokers.size(); // 总个数 
       
        03 
                int totalWeight = 0; // 总权重 
       
        04 
                boolean sameWeight = true; // 权重是否都一样 
       
        05 
                for (int i = 0; i < length; i++) { 
       
        06 
                    int weight = getWeight(invokers.get(i), invocation); 
       
        07 
                    totalWeight += weight; // 累计总权重 
       
        08 
                    if (sameWeight && i > 0 
       
        09 
                            && weight != getWeight(invokers.get(i - 1), invocation)) { 
       
        10 
                        sameWeight = false; // 计算所有权重是否一样 
       
        11 
                    } 
       
        12 
                } 
       
        13 
                if (totalWeight > 0 && ! sameWeight) { 
       
        14 
                    // 如果权重不相同且权重大于0则按总权重数随机 
       
        15 
                    int offset = random.nextInt(totalWeight); 
       
        16 
                    // 并确定随机值落在哪个片断上 
       
        17 
                    for (int i = 0; i < length; i++) { 
       
        18 
                        offset -= getWeight(invokers.get(i), invocation); 
       
        19 
                        if (offset < 0) { 
       
        20 
                            return invokers.get(i); 
       
        21 
                        } 
       
        22 
                    } 
       
        23 
                } 
       
        24 
                // 如果权重相同或权重为0则均等随机 
       
        25 
                return invokers.get(random.nextInt(length)); 
       
        26 
            }

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

实现思路：首先计算出多服务实例的最大最小权重，如果权重都一样（maxWeight=minWeight），则直接取模轮询；如果权重不一样，每一轮调用，都计算出一个基础的权重值，然后筛选出权重值大于基础权重值得invoker进行取模随机调用。

 
        01 
        private final ConcurrentMap<String, AtomicPositiveInteger> sequences = new ConcurrentHashMap<String, AtomicPositiveInteger>(); 
       
        02 
          
        03 
        private final ConcurrentMap<String, AtomicPositiveInteger> weightSequences = new ConcurrentHashMap<String, AtomicPositiveInteger>(); 
       
        04 
          
        05 
        protected <T> Invoker<T> doSelect(List<Invoker<T>> invokers, URL url, Invocation invocation) { 
       
        06 
            String key = invokers.get(0).getUrl().getServiceKey() + "." + invocation.getMethodName(); 
       
        07 
            int length = invokers.size(); // 总个数 
       
        08 
            int maxWeight = 0; // 最大权重 
       
        09 
            int minWeight = Integer.MAX_VALUE; // 最小权重 
       
        10 
            for (int i = 0; i < length; i++) { 
       
        11 
                int weight = getWeight(invokers.get(i), invocation); 
       
        12 
                maxWeight = Math.max(maxWeight, weight); // 累计最大权重 
       
        13 
                minWeight = Math.min(minWeight, weight); // 累计最小权重 
       
        14 
            } 
       
        15 
            if (maxWeight > 0 && minWeight < maxWeight) { // 权重不一样 
       
        16 
                AtomicPositiveInteger weightSequence = weightSequences.get(key); 
       
        17 
                if (weightSequence == null) { 
       
        18 
                    weightSequences.putIfAbsent(key, new AtomicPositiveInteger()); 
       
        19 
                    weightSequence = weightSequences.get(key); 
       
        20 
                } 
       
        21 
                int currentWeight = weightSequence.getAndIncrement() % maxWeight; 
       
        22 
                List<Invoker<T>> weightInvokers = new ArrayList<Invoker<T>>(); 
       
        23 
                for (Invoker<T> invoker : invokers) { // 筛选权重大于当前权重基数的Invoker 
       
        24 
                    if (getWeight(invoker, invocation) > currentWeight) { 
       
        25 
                        weightInvokers.add(invoker); 
       
        26 
                    } 
       
        27 
                } 
       
        28 
                int weightLength = weightInvokers.size(); 
       
        29 
                if (weightLength == 1) { 
       
        30 
                    return weightInvokers.get(0); 
       
        31 
                } else if (weightLength > 1) { 
       
        32 
                    invokers = weightInvokers; 
       
        33 
                    length = invokers.size(); 
       
        34 
                } 
       
        35 
            } 
       
        36 
            AtomicPositiveInteger sequence = sequences.get(key); 
       
        37 
            if (sequence == null) { 
       
        38 
                sequences.putIfAbsent(key, new AtomicPositiveInteger()); 
       
        39 
                sequence = sequences.get(key); 
       
        40 
            } 
       
        41 
            // 取模轮循 
       
        42 
            return invokers.get(sequence.getAndIncrement() % length); 
       
        43 
        }

3.LeastActiveLoadBalance：最少活跃次数，dubbo框架自定义了一个Filter，用于计算服务被调用的次数，具体实现自己可以看源码

最小活跃次数思路：首先查找最小活跃数的服务并统计权重和出现的频次，如果最小活跃次数只出现一次，直接使用该服务；如果出现多次且权重不相同，则按照总权重数随机；如果出现多次且权重相同，则随机调用

 
        01 
        protected <T> Invoker<T> doSelect(List<Invoker<T>> invokers, URL url, Invocation invocation) { 
       
        02 
                int length = invokers.size(); // 总个数 
       
        03 
                int leastActive = -1; // 最小的活跃数 
       
        04 
                int leastCount = 0; // 相同最小活跃数的个数 
       
        05 
                int[] leastIndexs = new int[length]; // 相同最小活跃数的下标 
       
        06 
                int totalWeight = 0; // 总权重 
       
        07 
                int firstWeight = 0; // 第一个权重，用于于计算是否相同 
       
        08 
                boolean sameWeight = true; // 是否所有权重相同 
       
        09 
                for (int i = 0; i < length; i++) { 
       
        10 
                    Invoker<T> invoker = invokers.get(i); 
       
        11 
                    int active = RpcStatus.getStatus(invoker.getUrl(), invocation.getMethodName()).getActive(); // 活跃数 
       
        12 
                    int weight = invoker.getUrl().getMethodParameter(invocation.getMethodName(), Constants.WEIGHT_KEY, Constants.DEFAULT_WEIGHT); // 权重 
       
        13 
                    if (leastActive == -1 || active < leastActive) { // 发现更小的活跃数，重新开始 
       
        14 
                        leastActive = active; // 记录最小活跃数 
       
        15 
                        leastCount = 1; // 重新统计相同最小活跃数的个数 
       
        16 
                        leastIndexs[0] = i; // 重新记录最小活跃数下标 
       
        17 
                        totalWeight = weight; // 重新累计总权重 
       
        18 
                        firstWeight = weight; // 记录第一个权重 
       
        19 
                        sameWeight = true; // 还原权重相同标识 
       
        20 
                    } else if (active == leastActive) { // 累计相同最小的活跃数 
       
        21 
                        leastIndexs[leastCount ++] = i; // 累计相同最小活跃数下标 
       
        22 
                        totalWeight += weight; // 累计总权重 
       
        23 
                        // 判断所有权重是否一样 
       
        24 
                        if (sameWeight && i > 0 
       
        25 
                                && weight != firstWeight) { 
       
        26 
                            sameWeight = false; 
       
        27 
                        } 
       
        28 
                    } 
       
        29 
                } 
       
        30 
                // assert(leastCount > 0) 
       
        31 
                if (leastCount == 1) { 
       
        32 
                    // 如果只有一个最小则直接返回 
       
        33 
                    return invokers.get(leastIndexs[0]); 
       
        34 
                } 
       
        35 
                if (! sameWeight && totalWeight > 0) { 
       
        36 
                    // 如果权重不相同且权重大于0则按总权重数随机 
       
        37 
                    int offsetWeight = random.nextInt(totalWeight); 
       
        38 
                    // 并确定随机值落在哪个片断上 
       
        39 
                    for (int i = 0; i < leastCount; i++) { 
       
        40 
                        int leastIndex = leastIndexs[i]; 
       
        41 
                        offsetWeight -= getWeight(invokers.get(leastIndex), invocation); 
       
        42 
                        if (offsetWeight <= 0) 
       
        43 
                            return invokers.get(leastIndex); 
       
        44 
                    } 
       
        45 
                } 
       
        46 
                // 如果权重相同或权重为0则均等随机 
       
        47 
                return invokers.get(leastIndexs[random.nextInt(leastCount)]); 
       
        48 
            }

4.ConsistentHashLoadBalance：一致性hash

一致性Hash负载均衡涉及到两个主要的配置参数为hash.arguments 与hash.nodes。

hash.arguments ：当进行调用时候根据调用方法的哪几个参数生成key，并根据key来通过一致性hash算法来选择调用结点

hash.nodes：为结点的副本数。

 
        01 
        @SuppressWarnings("unchecked") 
       
        02 
            @Override 
       
        03 
            protected <T> Invoker<T> doSelect(List<Invoker<T>> invokers, URL url, Invocation invocation) { 
       
        04 
                //获取调用方法名称 
       
        05 
                String key = invokers.get(0).getUrl().getServiceKey() + "." + invocation.getMethodName(); 
       
        06 
                //生成调用列表的hashcode 
       
        07 
                int identityHashCode = System.identityHashCode(invokers); 
       
        08 
                //根据方法名key获取一致性hash选择器 
       
        09 
                ConsistentHashSelector<T> selector = (ConsistentHashSelector<T>) selectors.get(key); 
       
        10 
                if (selector == null || selector.getIdentityHashCode() != identityHashCode) { 
       
        11 
                    selectors.put(key, new ConsistentHashSelector<T>(invokers, invocation.getMethodName(), identityHashCode)); 
       
        12 
                    selector = (ConsistentHashSelector<T>) selectors.get(key); 
       
        13 
                } 
       
        14 
                //选择节点 
       
        15 
                return selector.select(invocation); 
       
        16 
            }

 
        01 
        private static final class ConsistentHashSelector<T> { 
       
        02 
          
        03 
                private final TreeMap<Long, Invoker<T>> virtualInvokers;//虚拟节点 
       
        04 
          
        05 
                private final int                       replicaNumber;//副本数 
       
        06 
                  
        07 
                private final int                       identityHashCode;//调用节点的hashcode 
       
        08 
                  
        09 
                private final int[]                     argumentIndex;//参数索引数组 
       
        10 
          
        11 
                public ConsistentHashSelector(List<Invoker<T>> invokers, String methodName, int identityHashCode) { 
       
        12 
                    this.virtualInvokers = new TreeMap<Long, Invoker<T>>(); 
       
        13 
                    this.identityHashCode = System.identityHashCode(invokers); 
       
        14 
                    URL url = invokers.get(0).getUrl(); 
       
        15 
                    //获取所配置的虚拟节点数，默认为160个 
       
        16 
                    this.replicaNumber = url.getMethodParameter(methodName, "hash.nodes", 160); 
       
        17 
                    String[] index = Constants.COMMA_SPLIT_PATTERN.split(url.getMethodParameter(methodName, "hash.arguments", "0")); 
       
        18 
                    argumentIndex = new int[index.length]; 
       
        19 
                    for (int i = 0; i < index.length; i ++) { 
       
        20 
                        argumentIndex[i] = Integer.parseInt(index[i]); 
       
        21 
                    } 
       
        22 
                    //创建虚拟节点，对每一个Invoker生成replicaNumber个虚拟节点并存放于virtualInvokers中 
       
        23 
                    for (Invoker<T> invoker : invokers) { 
       
        24 
                        for (int i = 0; i < replicaNumber / 4; i++) { 
       
        25 
                            byte[] digest = md5(invoker.getUrl().toFullString() + i); 
       
        26 
                            for (int h = 0; h < 4; h++) { 
       
        27 
                                long m = hash(digest, h); 
       
        28 
                                virtualInvokers.put(m, invoker); 
       
        29 
                            } 
       
        30 
                        } 
       
        31 
                    } 
       
        32 
                } 
       
        33 
          
        34 
              ..........省略.......... 
       
        35 
          
        36 
            }

5.自定义负载均衡策略

自定义类，只需要实现AbstractLoadBalance抽象类即可，然后将该类放入dubbo可发现的扩展点即可。

dubbo负载均衡策略以及自定义负载均衡

猜你喜欢