概述

???????在進行消費端服務調(diào)用的時候，看到初始化了LoadBalance，通過負載均衡獲取一個可用的節(jié)點。LoadBalance也是一個擴展點，Dubbo內(nèi)置了4種負載均衡算法，
都繼承自AbstractLoadBalance，AbstractLoadBalance中實現(xiàn)通用邏輯，留一個抽象方法doSelect方法給子類實現(xiàn)，默認是RandomLoadBalance實現(xiàn)。四個負載均衡實現(xiàn)子類如下：

?????????????RandomLoadBalance：隨機，按權(quán)重設置隨機概率。在一個截面上碰撞的概率高，但調(diào)用量越大分布越均勻，而且按概率使用權(quán)重后也比較均勻，有利于動態(tài)調(diào)整提供者的權(quán)重。

?????????????RoundRobinLoadBalance：輪詢，按公約后的權(quán)重設置輪詢比例。存在慢的提供者累計請求的問題，比如：第二天機器很慢，但沒“掛”，當請求調(diào)到第二臺時就卡在那里，久而久之，所以請求都卡在調(diào)到第二臺上。

?????????????LeastActiveLoadBalance：最少活躍調(diào)用數(shù)，如果活躍數(shù)相同則隨機調(diào)用，活躍數(shù)指調(diào)用前后計數(shù)差。使慢的提供者收到更少請求，因為越慢的提供者的調(diào)用前后計數(shù)差會越大。

?????????????ConsistentHashLoadBalance：一致性Hash，相同參數(shù)的請求總是發(fā)到同一提供者。當某一臺提供者“掛”是，原本發(fā)往該提供者的請求，基于虛擬節(jié)點，會平攤到其他提供者，不會引起劇烈變動。默認只對第一個參數(shù)“Hash”，默認使用160份虛擬節(jié)點。

AbstractLoadBalance

???????AbstractLoadBalance實現(xiàn)較為簡單，提供了一個select方法調(diào)用子類重寫的doSelect方法，提供了getWeight用于計算權(quán)重，代碼實現(xiàn)如下：

在這里插入圖片描述

???????getWeight獲取當前權(quán)重，其中調(diào)用了calculateWarmupWeight，主要實現(xiàn)了獲取權(quán)重的時的預熱，服務啟動是并不會直接給予100%的流量，計算邏輯是：（啟動至今時間 / 給予的預熱總時間）* 權(quán)重。

Random負載均衡

???????RandomLoadBalance按照權(quán)重設置隨機概率做負載均衡，這種算法并不能精確地做平均請求，但是隨著請求數(shù)量的增加，最終結(jié)果大致平均，代碼實現(xiàn)如下：

在這里插入圖片描述

???????時間比較簡單，如果權(quán)重都一樣，則直接隨機返回一個，如果權(quán)重不一樣，則把每個Invoker的權(quán)重看作一個區(qū)間，以總權(quán)重為基礎獲取一個隨機數(shù)，然后用隨機數(shù)依次減去每個權(quán)重，當隨機數(shù)小于零的時候結(jié)束，即看這個隨機數(shù)落在哪個invoker的權(quán)重區(qū)間中，就返回這個invoker。

RoundRobin負載均衡

???????RoundRobin負載均衡算法的實現(xiàn)為平滑權(quán)重輪詢算法。在輪詢的基礎上加上了負載均衡的算法。實現(xiàn)代碼如下：

在這里插入圖片描述

???????算法邏輯是每次請求做負載均衡時，會遍歷所有Invoker節(jié)點，對于每個Invoker，會讓它的current = current + weight。同時會把每個Invoker的weight累加到totalWeight總權(quán)重，即totalWeight = totalWeight + weight。遍歷完成后會保存current值最大的就是本次要返回的節(jié)點，返回前會將其current減去totalWeight，即current = current - totalWeight，現(xiàn)在選擇的時候會在現(xiàn)有的current值上基礎上再做上次操作，將totalWeight置0，重復上述邏輯。選中過的Invoker的current值會因為減去了totalWeight，所以最小，再次選中它的話就要等根據(jù)自身權(quán)重一次一次加成最大，因此權(quán)重大的就更快的再次被選中，權(quán)重小的就慢些被再次被選中，而且不也會一直調(diào)用權(quán)重大的Invoker，會有權(quán)重小的穿插進去。

LeastActive負載均衡

???????LeastActive負載均衡是最小活躍調(diào)用數(shù)負載均衡，框架會記下每個Invoker的活躍數(shù)，每次只從活躍數(shù)最小的Invoker里選一個節(jié)點。這個負載均衡算法需要配合ActiveLimitFilter過濾器來計算每個接口方法的活躍數(shù)。LeastActiveLoadBalance代碼實現(xiàn)如下：

在這里插入圖片描述

???????其實現(xiàn)邏輯較為簡單，遍歷invoker列表，找出其所有活躍數(shù)最小的invoker，保存到一個集合中，然后用Random負載均衡方式從中選出一個Invoker。

一致性Hash負載均衡

???????一致性Hash負載均衡可以讓參數(shù)相同的請求每次都路由到相同的機器上。這種負載均衡的方式可以然后請求相對平均，當某些節(jié)點下線時，請求會平攤到其他服務者，不會引起劇烈的變動。Dubbo框架使用了優(yōu)化過Ketama一致性Hash，這種算法會為每個節(jié)點在創(chuàng)建多個虛擬節(jié)點，讓節(jié)點在環(huán)形上的分布更均勻，后續(xù)的調(diào)用也會隨之更加均勻。ConsistentHashLoadBalance代碼實現(xiàn)如下：

在這里插入圖片描述

???????邏輯核心在ConsistentHashSelector中，ConsistentHashSelector初始化時會對節(jié)點進行散列，散列的環(huán)形使用一個TreeMap實現(xiàn)，所有的真實、虛擬的節(jié)點都會放入TreeMap。把節(jié)點的IP+遞增數(shù)字做“MD5”，以此作為節(jié)點標識，再對標識做hash得到TreeMap的key，最后把可以調(diào)用的節(jié)點作為TreeMap的value。在客戶端調(diào)用的時候，只要對請求的參數(shù)也做MD5即可，雖然此時得到的MD5之不一定能對應到TreeMap的key，因為每次請求的參數(shù)不一樣，以為TreeMap是有序樹形結(jié)構(gòu)，可以調(diào)用TreeMap的ceilingEntry方法，用于返回一個至少大于或等于當前給定key的Entry，從而達到順時針往前找的效果。如果找不到，則使用firstEntry返回第一個節(jié)點。

參考：

《深入理解 Apache Dubbo與實戰(zhàn)》