微服务负载均衡器Ribbon

1.什么是Ribbon

目前主流的负载方案分为以下两种:
1.集中式负载均衡,在消费者和服务提供方中间使用独立的代理方式进行负载,有硬件的(比如
F5),也有软件的(比如 Nginx)。
2.客户端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客户端组件提供一系列的完善的配置,如超 时,重试等。通过Load Balancer获取到服务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也可以实现我们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;即在客户端就进行负载均衡算法分配。
在这里插入图片描述

1.2 服务端的负载均衡

例如Nginx,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;即在服务器端再进行负载均衡算法分配。
在这里插入图片描述

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,一般这种方式使用较少;
2.轮训,负载均衡默认实现方式,请求来之后排队处理;
3.加权轮训,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,通过客户端请求的地址的HASH值取模映射进行服务器调度。 ip —>hash
5.最小链接数,即使请求均衡了,压力不一定会均衡,最小连接数法就是根据服务器的情况,比如请求积压数等参数,将请求分 配到当前压力最小的服务器上。 最小活跃数

2. Nacos使用Ribbon

nacos-discovery依赖了ribbon,可以不用再引入ribbon依赖
在这里插入图片描述
2) 添加@LoadBalanced注解

1 @Configuration
2 public class RestConfig {
3 @Bean
4 @LoadBalanced
5 public RestTemplate restTemplate() {
6 return new RestTemplate();
7 }
8 }

3) 修改controller

1 @Autowired
2 private RestTemplate restTemplate;
3
4 @RequestMapping(value = "/findOrderByUserId/{id}")
5 public R findOrderByUserId(@PathVariable("id") Integer id) {
6 // RestTemplate调用
7 //String url = "http://localhost:8020/order/findOrderByUserId/"+id;
8 //模拟ribbon实现
9 //String url = getUri("mall‐order")+"/order/findOrderByUserId/"+id;
10 // 添加@LoadBalanced
11 String url = "http://mall‐order/order/findOrderByUserId/"+id;
12 R result = restTemplate.getForObject(url,R.class);
13
14 return result;
15 }

3 Ribbon负载均衡策略

在这里插入图片描述

IRule 这是所有负载均衡策略的父接口,里边的核心方法就是choose方法,用来选择一个服务实例

AbstractLoadBalancerRule
AbstractLoadBalancerRule是一个抽象类,里边主要定义了一个ILoadBalancer,这里定义它的目的主要是辅助负责均衡策略选取合适的服务端实例。
在这里插入图片描述

3.2.1 修改默认负载均衡策略

1.配置类:

1 @Configuration
2 public class RibbonConfig {
3
4 /**
5 * 全局配置
6 * 指定负载均衡策略
7 * @return
8 */
9 @Bean
10 public IRule iRule() {
11 // 指定使用Nacos提供的负载均衡策略(优先调用同一集群的实例,基于随机权重)
12 return new NacosRule();
13 }
14 }

注意:此处有坑。不能写在@SpringbootApplication注解的@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。 不建议这么使用,推荐yml方式

在这里插入图片描述

在这里插入图片描述

利用@RibbonClient指定微服务及其负载均衡策略。

1 @SpringBootApplication(exclude = {DataSourceAutoConfiguration.class,
2 DruidDataSourceAutoConfigure.class})
3 //@RibbonClient(name = "mall‐order",configuration = RibbonConfig.class)
4 //配置多个 RibbonConfig不能被@SpringbootApplication的@CompentScan扫描到,否则就是全局配置的效果
5 @RibbonClients(value = {
6 // 在SpringBoot主程序扫描的包外定义配置类
7 @RibbonClient(name = "mall‐order",configuration = RibbonConfig.class),
8 @RibbonClient(name = "mall‐account",configuration = RibbonConfig.class)
9 })
10 public class MallUserRibbonDemoApplication {
11
12 public static void main(String[] args) {
13 SpringApplication.run(MallUserRibbonDemoApplication.class, args);
14 }
15 }

**配置文件:**调用指定微服务提供的服务时,使用对应的负载均衡算法
修改application.yml

1 # 被调用的微服务名
2 mall‐order:
3 ribbon:
4 # 指定使用Nacos提供的负载均衡策略(优先调用同一集群的实例,基于随机&权重)
5 NFLoadBalancerRuleClassName: com.alibaba.cloud.nacos.ribbon.NacosRule

3.2.2 自定义负载均衡策略

通过实现 IRule 接口可以自定义负载策略,主要的选择服务逻辑在 choose 方法中。
1)实现基于Nacos权重的负载均衡策略

1 @Slf4j
2 public class NacosRandomWithWeightRule extends AbstractLoadBalancerRule {
3
4 @Autowired
5 private NacosDiscoveryProperties nacosDiscoveryProperties;
6
7 @Override
8 public Server choose(Object key) {
9 DynamicServerListLoadBalancer loadBalancer = (DynamicServerListLoadBalancer) getLoadBalancer();
10 String serviceName = loadBalancer.getName();
11 NamingService namingService = nacosDiscoveryProperties.namingServiceInstance();
12 try {
13 //nacos基于权重的算法
14 Instance instance = namingService.selectOneHealthyInstance(serviceName);
15 return new NacosServer(instance);
16 } catch (NacosException e) {
17 log.error("获取服务实例异常:{}", e.getMessage());
18 e.printStackTrace();
19 }
20 return null;
21 }
22 @Override
23 public void initWithNiwsConfig(IClientConfig clientConfig) {
24
25 }
26 }

2) 配置自定义的策略
2.1)配置文件:
修改application.yml

1 # 被调用的微服务名
2 mall‐order:
3 ribbon:
4 # 自定义的负载均衡策略(基于随机&权重)
5 NFLoadBalancerRuleClassName: com.tuling.mall.ribbondemo.rule.NacosRandomWithWeightRule

3.3 饥饿加载

在这里插入图片描述
开启饥饿加载,解决第一次调用慢的问题

1 ribbon:
2 eager‐load:
3 # 开启ribbon饥饿加载
4 enabled: true
5 # 配置mall‐user使用ribbon饥饿加载,多个使用逗号分隔
6 clients: mall‐order

3. Ribbon内核原理

3.1 Ribbon原理

在这里插入图片描述

OFDM(正交频分复用)是一种高效的多载波通信技术,它将高速数据流拆分为多个低速子流,并通过多个并行的低带宽子载波传输。这种技术具有高频谱效率、强抗多径衰落能力和灵活的带宽分配优势。 OFDM系统利用大量正交子载波传输数据,子载波间的正交性可有效避免码间干扰(ISI)。其数学表达为多个离散子载波信号的线性组合,调制和解调过程通过FFT(快速傅立叶变换)和IFFT(逆快速傅立叶变换)实现。其关键流程包括:数据符号映射到子载波、IFFT转换为时域信号、添加循环前缀以减少ISI、信道传输、接收端FFT恢复子载波数据和解调原始数据。 Matlab是一种广泛应用于科研、工程和数据分析的高级编程语言和交互式环境。在OFDM系统设计中,首先需掌握Matlab基础,包括编程语法、函数库和工具箱。接着,根据OFDM原理构建系统模型,实现IFFT/FFT变换、循环前缀处理和信道建模等关键算法,并通过改变参数(如信噪比、调制方式)评估系统性能。最后,利用Matlab的绘图功能展示仿真结果,如误码率(BER)曲线等。 无线通信中主要考虑加性高斯白噪声(AWGN),其在频带上均匀分布且统计独立。通过仿真OFDM系统,可在不同信噪比下测量并绘制BER曲线。分析重点包括:不同调制方式(如BPSK、QPSK)对BER的影响、循环前缀长度选择对性能的影响以及信道估计误差对BER的影响。 OFDM技术广泛应用于多个领域,如数字音频广播(DAB)、地面数字电视广播(DVB-T)、无线局域网(WLAN)以及4G/LTE和5G移动通信,是这些通信标准中的核心技术之一。 深入研究基于Matlab的OFDM系统设计与仿真,有助于加深对OFDM技术的理解,并提升解决实际通信问题的能力。仿真得到的关键性能指标(如BER曲线)对评估系统可靠性至关重要。未来可进一步探索复杂信道条件下的OFDM性能及系统优化,以适应不同应用场景
51单片机是电子工程领域常用的入门级微控制器,广泛应用于小型电子设备,例如电子时钟。本项目将介绍如何利用51单片机设计一款简单的电子时钟,并通过Keil软件进行程序开发,同时借助Proteus仿真工具进行电路模拟,帮助初学者掌握51单片机的基础应用。 51单片机基于Intel 8051内核,集成了CPU、RAM、ROM、定时器/计数器和I/O端口等功能模块,具有易于编程和性价比高的优势。在电子时钟项目中,主要利用其定时器实现时间的精确计算。Keil μVision是51单片机的常用开发环境,支持C语言和汇编语言编程。开发时,需编写代码以控制单片机显示和更新时间,包括初始化时钟硬件、设置定时器中断、编写中断服务程序以及与LCD显示屏交互等步骤。关键环节如下:一是初始化,配置时钟源(如外部晶振)设定工作频率;二是定时器设置,选择合适模式(如模式1或模式2),设置计数初值以获得所需时间分辨率;三是中断服务,编写定时器中断服务程序,定时器溢出时更新时间并触发中断;四是显示控制,通过I/O端口驱动LCD显示屏显示当前时间。 Proteus是一款虚拟原型设计软件,可用于模拟硬件电路,帮助开发者在编程前验证电路设计。在Proteus中,可搭建51单片机、LCD模块、晶振及电阻、电容等元件,形成电子时钟电路模型。运行仿真后,可观察程序在实际电路中的运行情况,及时发现并解决问题。 实际项目中,51单片机电子时钟还涉及以下知识点:一是时钟信号产生,定时器通过计数外部时钟脉冲实现时间累计,可通过调整晶振频率和定时器初始值设置不同时间间隔;二是LCD接口,需理解LCD的命令和数据传输协议,以及如何控制背光、显示模式、行列地址等;三是中断系统,了解中断概念、中断向量及程序中中断的启用和禁用方法;四是数码管显示,若使用数码管而非LCD,需了解其显示原理及段选、位选的驱动方式。 本项目融合了单片机基础、
在机器人技术领域,机械臂的避障路径规划是一项关键任务,而本压缩包中的资源专注于利用蚁群算法解决三维空间中的路径规划问题。蚁群算法(Ant Colony Optimization,ACO)是一种仿生优化算法,其灵感来源于蚂蚁在寻找食物时的信息素沉积行为,能够有效找到全局最优解,尤其适合复杂路径规划。 蚁群算法由Marco Dorigo等人提出,模拟蚂蚁寻找食物路径时释放信息素的过程。在算法中,每条可能路径被视作“虚拟”蚂蚁的路径,蚂蚁在移动时会留下信息素。信息素浓度会随时间蒸发,同时被新经过的蚂蚁加强。通过迭代,算法优化路径选择,强化高效路径,最终找到全局最优解。 在机械臂避障路径规划中,三维空间路径规划尤为重要。为此,通常将三维空间划分为网格,每个小格子代表一种状态,如无障碍、障碍或未知。通过判断每个格子的状态,确定机械臂的可行移动区域,即“可视区域”。蚁群算法应用于该三维网格,寻找从起点到终点的最佳路径。每只蚂蚁在网格上随机移动时,会考虑信息素浓度和距离因素。高浓度信息素路径更易被选择,短距离路径更具吸引力。经过多次迭代,信息素逐渐积累在最优路径上,从而得出避开障碍物的最短路径。 实际应用中,机械臂路径规划需考虑运动学限制,如关节角度范围、速度限制等,同时实时性也至关重要,算法需快速生成新路径以适应动态环境。因此,蚁群算法常与其他优化方法结合,如遗传算法或粒子群优化,以提升计算效率和路径质量。 压缩包内文件可能包含算法源代码、数据结构定义、模拟环境设定及结果可视化等内容。通过这些资源,学习者可深入了解蚁群算法在机械臂避障路径规划中的实现,并直观理解三维路径规划。该应用涉及机器人学、计算机科学、控制理论等多学科交叉,通过仿真项目,既能加深对算法的理解,又能培养解决实际问题的能力。无论是学术研究还是工业应用,掌握这种路径规划方法都极具价值。
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