1.负载均衡Ribbon
负载均衡就是将用户请求(流量)通过一定的策略,分摊在多个服务实例上执行,它是系统处理高并发、缓解网络 压力和进行服务端扩容的重要手段之一。它分为服务端负载均衡和客户端负载均衡。
服务器端负载均衡
在负载均衡器中维护一个可用的服务实例清单,当客户端请求来临时,负载均衡服务器按照某种配置好的规则(负载均衡算法)从可用服务实例清单中选取其一去处理客户端的请求。这就是服务端负载均衡。
例如Nginx,通过Nginx进行负载均衡,客户端发送请求至Nginx,Nginx通过负载均衡算法,在多个服务器 之间选择一个进行访问。即在服务器端再进行负载均衡算法分配。
客户端服务负载均衡:
上边使用的 LoadBalancerClient就是一个客户端负载均衡器,具体使用的是Ribbon客户端负载均衡器。
Ribbon在发送请求前通过负载均衡算法选择一个服务实例,然后进行访问,这是客户端负载均衡。即在客户端就进行负载均衡的分配。
Ribbon是一个客户端负载均衡器,它的责任是从一组实例列表中挑选合适的实例,如何挑选?取决于负载均衡策略 。
Ribbon核心组件IRule是负载均衡策略接口,它有如下实现,大家仅做了解:
RoundRobinRule( 默认):轮询,即按一定的顺序轮换获取实例的地址。
RandomRule: 随机,即以随机的方式获取实例的地址。
AvailabilityFilteringRule: 会先过滤掉由于多次访问故障而处于断路器跳闸状态的服务,以及并发的连接数量超过阈值的服务,然后对剩余的服务列表按照轮询策略进行访问;
WeightedResponseTimeRule: 根据平均响应时间计算所有服务的权重,响应时间越快,服务权重越大,被选中的机率越高;刚启动时,如果统计信息不足,则使用RoundRobinRule策略,等统计信息足够时,会切换到WeightedResponseTimeRule
RetryRule: 先按照RoundRobinRule的策略获取服务,如果获取服务失败,则在指定时间内会进行重试,获取可用的服务;
BestAvailableRule: 会先过滤掉由于多次访问故障而处于断路器跳闸状态的服务,然后选择一个并发量最小的服务;
ZoneAvoidanceRule: 复合判断server所在区域的性能和server的可用性选择服务器;
接下来,我们就来使用Ribbon实现负载均衡。
1.1.启动两个服务实例
首先我们启动两个user-service实例,一个8081,一个8082。
为了端口不冲突,并不改application.yml,我们采用动态端口配置
1.2.开启负载均衡
可通过下面方式在服务消费方的 配置文件中修改默认的负载均衡策略:
nacosRestfulProvider:
ribbon:
NFLoadBalancerRuleClassName: com.netflix.loadbalancer.RandomRule
因为Nacos中已经集成了Ribbon,所以我们无需引入新的依赖。直接修改代码:
在RestTemplate的配置方法上添加@LoadBalanced
注解:
@Bean
@LoadBalanced
public RestTemplate restTemplate() {
return new RestTemplate(new OkHttp3ClientHttpRequestFactory());
}
修改调用方式,不再手动获取ip和端口,而是直接通过服务名称调用:
@Repository
public class UserDao {
@Resource
private RestTemplate restTemplate;
public User queryUserById(Long id){
// 获取ip和端口信息
String url = "http://nacosRestfulProvider/user/"+id;
return this.restTemplate.getForObject(url, User.class);
}
}
1.3.源码跟踪
为什么我们只输入了service名称就可以访问了呢?之前还要获取ip和端口。
显然有人帮我们根据service名称,获取到了服务实例的ip和端口。它就是LoadBalancerInterceptor
1.4.负载均衡策略
Ribbon默认的负载均衡策略是简单的轮询,我们可以测试一下:
编写测试类,在刚才的源码中我们看到拦截中是使用 来进行负载均衡的,其中有一个choose方法,是这样介绍的:
现在这个就是负载均衡获取实例的方法。
我们对注入这个类的对象,然后对其测试:
导入test依赖:
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-test</artifactId>
</dependency>
新建单元测试类
@RunWith(SpringRunner.class)
@SpringBootTest(classes = UserConsumerDemoApplication.class)
public class LoadBalanceTest {
@Autowired
private RibbonLoadBalancerClient client;
@Test
public void test(){
for (int i = 0; i < 100; i++) {
ServiceInstance instance = this.client.choose("nacosRestfulProvider");
System.out.println(instance.getHost() + ":" + instance.getPort());
}
}
}
符合了我们的预期推测,确实是轮询方式。
我们是否可以修改负载均衡的策略呢?
SpringBoot也帮我们提供了修改负载均衡规则的配置入口:
nacosRestfulProvider:
ribbon:
NFLoadBalancerRuleClassName: com.netflix.loadbalancer.RandomRule
格式是:{服务名称}.ribbon.NFLoadBalancerRuleClassName
,值就是IRule的实现类。
再次测试,发现结果变成了随机:
1.5.重试机制
Eureka的服务治理强调了CAP原则中的AP,即可用性和可靠性。Nacos可以AP和CP,它与Zookeeper这一类强调CP(一致性Consistency,分区容错性Partition tolerance)的服务治理框架最大的区别在于:Eureka,Nacos可以为了实现更高的服务可用性,牺牲了一定的一致性,极端情况下它宁愿接收故障实例也不愿丢掉健康实例(当故障实例过多,会导致健康实例压力太大导致雪崩效应),这就是健康保护阈值。
但是,此时如果我们调用了这些不正常的服务,调用就会失败,从而导致其它服务不能正常工作!这显然不是我们愿意看到的。
但是此时,8081服务其实是正常的。
因此Spring Cloud 整合了Spring Retry 来增强RestTemplate的重试能力,当一次服务调用失败后,不会立即抛出一次,而是再次重试另一个服务。
只需要简单配置即可实现Ribbon的重试:
spring:
application:
name: nacosRestfulConsumer
cloud:
nacos:
discovery:
server‐addr: 127.0.0.1:8848
loadbalancer:
retry:
enabled: true # 开启Spring Cloud的重试功能
nacosRestfulProvider:
ribbon:
# NFLoadBalancerRuleClassName: com.netflix.loadbalancer.RandomRule
ConnectTimeout: 250 # Ribbon的连接超时时间
ReadTimeout: 1000 # Ribbon的数据读取超时时间
OkToRetryOnAllOperations: true # 是否对所有操作都进行重试
MaxAutoRetries: 0 # 对当前实例的重试次数
MaxAutoRetriesNextServer: 1 # 切换实例的重试次数
根据如上配置,当访问到某个服务超时后,它会再次尝试访问下一个服务实例,如果不行就再换一个实例,如果不行,则返回失败。切换次数取决于MaxAutoRetriesNextServer
参数的值
引入spring-retry依赖
<dependency>
<groupId>org.springframework.retry</groupId>
<artifactId>spring-retry</artifactId>
</dependency>
加入日志依赖
<dependency>
<groupId>org.springframework.boot</groupId>
<artifactId>spring-boot-starter-logging</artifactId>
</dependency>
application.yml
logging:
level:
root: info
org:
springframework: debug
我们重启user-consumer-demo,以及启动刚刚停掉的user-service,测试,发现即使user-service2宕机,也能通过另一台服务实例获取到结果!