Spring cloud alibaba之Ribbon负载均衡实现方案

1.什么是Ribbon

目前主流的负载均衡方案分为以下两种：

（1）集中式负载均衡：在消费者和服务提供者中间使用独立的代理方式进行负载，有硬件的（F5），软件的Nginx

（2）客户端事先拿到提供者请求连接集合，根据自己的请求情况做负载均衡，Ribbon就属于客户端自己做负载均衡。

spring cloud Ribbon是基于Netflix Ribbon实现的一套客户端的负载均衡工具，Ribbon客户端提供一系列完善的配置，如超时、重试等。通过Load Balancer获取到服务器提供的所有机器实例，Ribbon会自动基于某种规则（轮询、随机）去调用这些服务。Ribbon也可以实现自己的负载均衡算法。

1.1客户端的负载均衡

例如spring cloud中的Ribbon，客户端会有一个服务器地址列表，在发送请求前通过负载均衡算法选择一个服务器，然后进行访问，这是客户端负载均衡，即在客户端进行负载均衡算法分配。

1.2服务器端的负载均衡

例如通过Nginx进行负载均衡，先发送请求，然后通过负载均衡算法，在多个服务器之间选择一个进行访问；即在服务器端进行负载均衡算法分配。

1.3常见负载均衡算法

（1）随机：通过随机选择服务进行执行，一般这种方法使用较少

（2）轮询：负载均衡默认实现方式，请求来之后排队处理

（3）加权轮询：通过对服务器性能的分型，给高配置、低负载的服务器分配更高的权重，均衡各个服务器的压力

（4）地址Hash,通过客户端地址请求地址的hash值取模映射进行调度，

（5）最小链接数：即使请求均衡了，压力不一定会均衡，最小链接数法就是根据服务器的情况，例如请求积压数的参数，将请求分配到当前压力最小的服务器上

2.Nacos使用Ribbon

（1）Nacos disconvery中默认已经引入了Ribbon，不需要单独引入

（2）添加@LoadBalanced注解

（3）调用的时候使用服务器名称替代ip+端口，即使用默认轮询的负载均衡方式

3.Ribbon负载均衡策略

3.1常用负载均衡描述

①RandomRule：随机选择一个服务实例

②RoundRobinRule：轮询负载均衡策略

③RetryTule：在轮询的基础上进行重试，一直重试的次数由服务连接的超时时间控制

④WeightedResponseTimeRule：一个服务的平均响应时间越短，则权重越大，那么改实例被选中执行任务的概率也越大

⑤BestAvaliableRule：过滤掉失效的服务实例，顺便找出并发最小的服务实例来使用

⑥ZoneAvoidanceRule：判断所在的区域，选择最近的服务调用

⑦NacosRule：按随机与配置的权重进行选择服务器

3.2修改默认的负载均衡策略--配置类的方式

①赋值一份消费端项目OrderNacos，重命名为OrderRibbon

删除OrderRibbon中原先的OrderNacos.iml文件

修改OrderRibbon的pom.xml的ArtifactId值

把新添加的OrderRibbon添加到父项目的pom.xml的module中

刷新Maven项目

②创建RibbonConfig配置类

使用@Configuration标识是配置类，使用@Bean注入到spring容器中，方法名必须叫iRule，否则无效。

@Configuration
public class RibbonConfig {
 
 
    //方法名一定要叫iRule
    @Bean
    public IRule iRule(){
        return new RandomRule();
    }
}

****注意此配置类不能放在@SpringBootApplication的注解@CompentScan扫描得到的地方，否则自定义的配置类就会被所有的RibbonClients共享，

springboot启动类，没有配置扫描范围的话，默认扫描到与启动类OrderApplication同目录级别的文件，此处为qingyun包下的文件都会被扫描到。

配置的目录如下：

③在启动类中使用注解@RibbonClients加入配置的自定义负载均衡器，value里面可以配置多个负载均衡器，是个数组类型的值；调用服务创建的RestTemplate使用@LoadBalanced进行修饰。

④

启动消费者，两个不同端口的服务提供者，通过页面访问，查看负载均衡机制由之前默认的改为轮询的方式

3.3修改默认的负载均衡策略--配置文件的方式

使用配置文件的方式设定负载均衡方式，具体到某个服务，格式：服务名.ribbon.NFLoadBalancerRuleClassName=服务方式

stock-service.ribbon.NFLoadBalancerRuleClassName=com.alibaba.cloud.nacos.ribbon.NacosRule

在nacos管理界面配置服务器的权重，权重越大，被选中的概率越大。

也可以在项目配置文件中设置

#设置服务的权重
spring.cloud.nacos.discovery.weight=4

3.4自定义负载均衡策略

（1）定义一个类继承AbstractLoadBalancerRule，重写choose方法

public class CustomRule extends AbstractLoadBalancerRule {
 
 
    @Override
    public void initWithNiwsConfig(IClientConfig iClientConfig) {
 
    }
 
    @Override
    public Server choose(Object o) {
        ILoadBalancer loadBalancer = this.getLoadBalancer();
 
        //获取当前请求的实例集合
        List<Server> reachableServers = loadBalancer.getReachableServers();
 
        //使用线程安全生成一个随机数
        int i = ThreadLocalRandom.current().nextInt(reachableServers.size());
 
        //获取服务
        Server server = reachableServers.get(i);
 
 
        return server;
    }
}

（2）在application.properties中添加配置信息，指向自定义的配置类

stock-service.ribbon.NFLoadBalancerRuleClassName=com.rule.CustomRule

（3）开启ribbon饥饿加载

当没有任何配置的情况下，第一次请求服务时，才会请求加载对应的服务实例

可以在配置文件application.properties中配置饥饿加载

#开启ribbon饥饿加载
ribbon.eager-load.enabled=true
#饥饿加载是服务，多个使用逗号隔开
ribbon.eager-load.clients=stock-service

启动项目的时候，加载配置服务使用的负载均衡策略

4.使用spring cloud loadbalancer替代ribbon

（1）在pom.xml中引入nacos-discovery时，去除ribbon，此时项目依赖的包里面已经移除ribbon

（2）pom.xml中添加loadbalancer依赖，前提是项目中已经引入了spring cloud依赖（父maven已经引入）

  <!-- 添加loadbalancer依赖-->
  <dependency>
     <groupId>org.springframework.cloud</groupId>
     <artifactId>spring-cloud-starter-loadbalancer</artifactId>
  </dependency>

（3）创建RestTemplate时，需要加@LoadBalanced

//程序启动时创建RestTemplate
    //使用注解LoadBalanced标识负载均衡，默认轮询的方式
    @Bean
    @LoadBalanced
    public RestTemplate restTemplate(RestTemplateBuilder builder){
        RestTemplate build = builder.build();
        return build;
    }

（4）application.properties中禁用ribbon

#禁用ribbon
spring.cloud.loadbalancer.ribbon.enabled=false

（5）若是想自定义loadbalancer，与自定义ribbon类似的方式，使用@LoadBalancerClients配置到springboot启动类中

到此这篇关于Spring cloud alibaba--Ribbon负载均衡的文章就介绍到这了,更多相关Spring cloud alibaba--Ribbon负载均衡内容请搜索编程网以前的文章或继续浏览下面的相关文章希望大家以后多多支持编程网！