Dubbo 负载均衡算法

本文探讨了Dubbo v2.7.8中的负载均衡算法,重点在于其随机选择Invoker的策略。Dubbo提供了基于权重的随机选择算法,确保了不同权重的Invoker按比例接收请求。在权重相同的情况下,请求会均匀分布。如果权重不同,系统会计算所有Invoker的权重总和,然后随机选择一个0到权重和之间的整数,根据Invoker顺序和权重减法确定选中的Invoker。预热时间用于计算权重,刚启动的服务权重较低,随着运行时间增加,权重逐渐升高,帮助服务平稳启动和预热,防止因过早大量负载导致的处理失败。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

基于dubbo v2.7.8

博主在学习自己部门的 rpc 框架时,发现在负载均衡算法上,其参考了 dubbo 的 RandomLoadBalance 算法,故对 dubbo 源码进行学习。

dubbo 提供了 RandomLoadBalance 的负载均衡算法,该算法会从服务列表中,随机选择出一个 invoker,来处理后续的请求。而对于随机选择上,dubbo 采用权重计算随机的方式。

代码具体思路:

  1. 计算每一个 invoker 的权重
  2. 判断是否每一个 invoker 的权重相同,如果所有 inovker 拥有相同的权重,则均匀的返回 invoker
  3. 如果权重有不同,则按照权重,随机获取 invoker

RandomLoadBalance.class:

@Override
protected <T> Invoker<T> doSelect(List<Invoker<T>> invokers, URL url, Invocation invocation) {
    // Number of invokers
    int length = invokers.size();
    // Every invoker has the same weight?
    boolean sameWeight = true;
    // the weight of every invokers
    int[] weights = new int[length];
    // the first invoker's weight
    // 获取第一个 invoker 的权重
    int firstWeight = getWeight(invokers.get(0), invocation);
    weights[0] = firstWeight;
    // The sum of weights
    int totalWeight = firstWeight;
    // 计算所有 invoker 的和,并判断是否存在不同的权重
    for (int i = 1; i < length; i++) {
        int weight = getWeight(invokers.get(i), invocation);
        // save for later use
        weights[i] = weight;
        // Sum
        totalWeight += weight;
        if (sameWeight && weight != firstWeight) {
            sameWeight = false;
        }
    }
    
    // 如果存在不同的权重,则通过权重获取随机数,来随机获取 invoker
    if (totalWeight > 0 && !sameWeight) {
        // If (not every invoker has the same weight & at least one invoker's weight>0), select randomly based on totalWeight.
        int offset = ThreadLocalRandom.current().nextInt(totalWeight);
        // Return a invoker based on the random value.
        for (int i = 0; i < length; i++) {
            offset -= weights[i];
            if (offset < 0) {
                return invokers.get(i);
            }
        }
    }
    
    // If all invokers have the same weight value or totalWeight=0, return evenly.
    return invokers.get(ThreadLocalRandom.current().nextInt(length));
}

第二部分中,根据权重值随机获取 invoker 的算法非常巧妙,其先求得将所有 invoker 的权重之和,再随机获取0到权重和之间的整数(包含0,不包含权重和),再用该整数,按 invoker 的顺序,减去 invoker 的权重值,但减出来的结果小于 0 时,以为着对应的 invoker,即为被随机选中的 invoker,从概率上分析,刚好实现了按照权重进行随机的请求。

而关于权重的计算问题,dubbo 采用的是通过计算预热时间来获取。

默认的权重为100,默认的预热时间为 10min,如果服务注册到注册中心到现在的时间差,不小于预热时间,则直接返回权重100,如时间差小于预热时间,则按 (时间差/预热时间)*权重 的方式进行计算。

如采用默认的预热时间,当服务启动 5min时,其权重为:50

具体代码:

	int DEFAULT_WEIGHT = 100;
	int DEFAULT_WARMUP = 10 * 60 * 1000;
	
	int getWeight(Invoker<?> invoker, Invocation invocation) {
        int weight;
        URL url = invoker.getUrl();
        // Multiple registry scenario, load balance among multiple registries.
        if (REGISTRY_SERVICE_REFERENCE_PATH.equals(url.getServiceInterface())) {
            weight = url.getParameter(REGISTRY_KEY + "." + WEIGHT_KEY, DEFAULT_WEIGHT);
        } else {
            weight = url.getMethodParameter(invocation.getMethodName(), WEIGHT_KEY, DEFAULT_WEIGHT);
            if (weight > 0) {
                long timestamp = invoker.getUrl().getParameter(TIMESTAMP_KEY, 0L);
                if (timestamp > 0L) {
                    long uptime = System.currentTimeMillis() - timestamp;
                    if (uptime < 0) {
                        return 1;
                    }
                    int warmup = invoker.getUrl().getParameter(WARMUP_KEY, DEFAULT_WARMUP);
                    if (uptime > 0 && uptime < warmup) {
                        weight = calculateWarmupWeight((int)uptime, warmup, weight);
                    }
                }
            }
        }
        return Math.max(weight, 0);
    }

    static int calculateWarmupWeight(int uptime, int warmup, int weight) {
        int ww = (int) ( uptime / ((float) warmup / weight));
        return ww < 1 ? 1 : (Math.min(ww, weight));
    }

使用 RandomLoadBalance 的负载均衡算法,可以使用后端服务在刚启动的一段时间,不会一瞬间获取过多的负载,而是根据启动时间,慢慢流量增加,这给刚启动的后端服务提供时间进行预热,缓解服务刚启动时因性能不足而造成处理请求失败的情况。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值