Ribbon的负载均衡策略及原理

最新推荐文章于 2025-06-24 15:42:54 发布

xiaoyaGrace

最新推荐文章于 2025-06-24 15:42:54 发布

阅读量208

点赞数

CC 4.0 BY-SA版权

分类专栏： Ribbon

原文链接：https://blog.youkuaiyun.com/wudiyong22/article/details/80829808

Ribbon 专栏收录该内容

1 篇文章

订阅专栏

本文深入探讨了Ribbon负载均衡的实现原理，包括其如何从Eureka注册中心获取服务列表，以及通过各种策略如随机、轮询、加权等进行服务实例的选择。同时，文章详细解释了Ribbon如何通过PingTask定时任务检查服务状态，确保服务的高可用性和负载均衡的有效性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Load Balance负载均衡是用于解决一台机器(一个进程)无法解决所有请求而产生的一种算法。像nginx可以使用负载均衡分配流量，ribbon为客户端提供负载均衡，dubbo服务调用里的负载均衡等等，很多地方都使用到了负载均衡。

使用负载均衡带来的好处很明显：

当集群里的1台或者多台服务器down的时候，剩余的没有down的服务器可以保证服务的继续使用
使用了更多的机器保证了机器的良性使用，不会由于某一高峰时刻导致系统cpu急剧上升
负载均衡有好几种实现策略，常见的有：

随机 (Random)
轮询 (RoundRobin)
一致性哈希 (ConsistentHash)
哈希 (Hash)
加权（Weighted）
ILoadBalance 负载均衡器
ribbon是一个为客户端提供负载均衡功能的服务，它内部提供了一个叫做ILoadBalance的接口代表负载均衡器的操作，比如有添加服务器操作、选择服务器操作、获取所有的服务器列表、获取可用的服务器列表等等。ILoadBalance的继承关系如下：

负载均衡器是从EurekaClient（EurekaClient的实现类为DiscoveryClient）获取服务信息，根据IRule去路由，并且根据IPing判断服务的可用性。

负载均衡器多久一次去获取一次从Eureka Client获取注册信息呢？在BaseLoadBalancer类下，BaseLoadBalancer的构造函数，该构造函数开启了一个PingTask任务setupPingTask();，代码如下：

public BaseLoadBalancer(String name, IRule rule, LoadBalancerStats stats,
         IPing ping, IPingStrategy pingStrategy) {
      if (logger.isDebugEnabled()) {
         logger.debug("LoadBalancer:  initialized");
      }
      this.name = name;
      this.ping = ping;
      this.pingStrategy = pingStrategy;
      setRule(rule);
      setupPingTask();
      lbStats = stats;
      init();
}
setupPingTask()的具体代码逻辑，它开启了ShutdownEnabledTimer执行PingTask任务，在默认情况下pingIntervalSeconds为10，即每10秒钟，向EurekaClient发送一次”ping”。
void setupPingTask() {
      if (canSkipPing()) {
         return;
      }
      if (lbTimer != null) {
         lbTimer.cancel();
      }
      lbTimer = new ShutdownEnabledTimer("NFLoadBalancer-PingTimer-" + name,
            true);
      lbTimer.schedule(new PingTask(), 0, pingIntervalSeconds * 1000);
      forceQuickPing();
}
PingTask源码，即new一个Pinger对象，并执行runPinger()方法。

查看Pinger的runPinger()方法，最终根据 pingerStrategy.pingServers(ping, allServers)来获取服务的可用性，如果该返回结果，如之前相同，则不去向EurekaClient获取注册列表，如果不同则通知ServerStatusChangeListener或者changeListeners发生了改变，进行更新或者重新拉取。

完整过程是：

LoadBalancerClient（RibbonLoadBalancerClient是实现类）在初始化的时候（execute方法），会通过ILoadBalance（BaseLoadBalancer是实现类）向Eureka注册中心获取服务注册列表，并且每10s一次向EurekaClient发送“ping”，来判断服务的可用性，如果服务的可用性发生了改变或者服务数量和之前的不一致，则从注册中心更新或者重新拉取。LoadBalancerClient有了这些服务注册列表，就可以根据具体的IRule来进行负载均衡。

IRule 路由
IRule接口代表负载均衡策略：

public interface IRule{
public Server choose(Object key);
public void setLoadBalancer(ILoadBalancer lb);
public ILoadBalancer getLoadBalancer();
}
IRule接口的实现类有以下几种：

其中RandomRule表示随机策略、RoundRobinRule表示轮询策略、WeightedResponseTimeRule表示加权策略、BestAvailableRule表示请求数最少策略等等。

随机策略很简单，就是从服务器中随机选择一个服务器，RandomRule的实现代码如下：

public Server choose(ILoadBalancer lb, Object key) {
if (lb == null) {
      return null;
}
Server server = null;

while (server == null) {
      if (Thread.interrupted()) {
         return null;
      }
      List<Server> upList = lb.getReachableServers();
      List<Server> allList = lb.getAllServers();
      int serverCount = allList.size();
      if (serverCount == 0) {
         return null;
      }
      int index = rand.nextInt(serverCount); // 使用jdk内部的Random类随机获取索引值index
      server = upList.get(index); // 得到服务器实例

      if (server == null) {
         Thread.yield();
         continue;
      }

      if (server.isAlive()) {
         return (server);
      }

      server = null;
      Thread.yield();
}
return server;
}
RoundRobinRule轮询策略表示每次都取下一个服务器，比如一共有5台服务器，第1次取第1台，第2次取第2台，第3次取第3台，以此类推：

public Server choose(ILoadBalancer lb, Object key) {
      if (lb == null) {
         log.warn("no load balancer");
         return null;
      }

      Server server = null;
      int count = 0;
      while (server == null && count++ < 10) {
         List<Server> reachableServers = lb.getReachableServers();
         List<Server> allServers = lb.getAllServers();
         int upCount = reachableServers.size();
         int serverCount = allServers.size();

         if ((upCount == 0) || (serverCount == 0)) {
            log.warn("No up servers available from load balancer: " + lb);
            return null;
         }

         int nextServerIndex = incrementAndGetModulo(serverCount);
         server = allServers.get(nextServerIndex);

         if (server == null) {
            /* Transient. */
            Thread.yield();
            continue;
         }

         if (server.isAlive() && (server.isReadyToServe())) {
            return (server);
         }

         // Next.
         server = null;
      }

      if (count >= 10) {
         log.warn("No available alive servers after 10 tries from load balancer: "
                  + lb);
      }
      return server;
}

/**
   * Inspired by the implementation of {@link AtomicInteger#incrementAndGet()}.
   *
   * @param modulo The modulo to bound the value of the counter.
   * @return The next value.
   */
private int incrementAndGetModulo(int modulo) {
      for (;;) {
         int current = nextServerCyclicCounter.get();
         int next = (current + 1) % modulo;
         if (nextServerCyclicCounter.compareAndSet(current, next))
            return next;
      }
}
WeightedResponseTimeRule继承了RoundRobinRule，开始的时候还没有权重列表，采用父类的轮询方式，有一个默认每30秒更新一次权重列表的定时任务，该定时任务会根据实例的响应时间来更新权重列表，choose方法做的事情就是，用一个(0,1)的随机double数乘以最大的权重得到randomWeight，然后遍历权重列表，找出第一个比randomWeight大的实例下标，然后返回该实例，代码略。

BestAvailableRule策略用来选取最少并发量请求的服务器：

public Server choose(Object key) {
if (loadBalancerStats == null) {
      return super.choose(key);
}
List<Server> serverList = getLoadBalancer().getAllServers(); // 获取所有的服务器列表
int minimalConcurrentConnections = Integer.MAX_VALUE;
long currentTime = System.currentTimeMillis();
Server chosen = null;
for (Server server: serverList) { // 遍历每个服务器
      ServerStats serverStats = loadBalancerStats.getSingleServerStat(server); // 获取各个服务器的状态
      if (!serverStats.isCircuitBreakerTripped(currentTime)) { // 没有触发断路器的话继续执行
         int concurrentConnections = serverStats.getActiveRequestsCount(currentTime); // 获取当前服务器的请求个数
         if (concurrentConnections < minimalConcurrentConnections) { // 比较各个服务器之间的请求数，然后选取请求数最少的服务器并放到chosen变量中
            minimalConcurrentConnections = concurrentConnections;
            chosen = server;
         }
      }
}
if (chosen == null) { // 如果没有选上，调用父类ClientConfigEnabledRoundRobinRule的choose方法，也就是使用RoundRobinRule轮询的方式进行负载均衡
      return super.choose(key);
} else {
      return chosen;
}
}
使用Ribbon提供的负载均衡策略很简单，只需以下几部：

1、创建具有负载均衡功能的RestTemplate实例

@Bean
@LoadBalanced
RestTemplate restTemplate() {
return new RestTemplate();
}
使用RestTemplate进行rest操作的时候，会自动使用负载均衡策略，它内部会在RestTemplate中加入LoadBalancerInterceptor这个拦截器，这个拦截器的作用就是使用负载均衡。
默认情况下会采用轮询策略，如果希望采用其它策略，则指定IRule实现，如：

@Bean
public IRule ribbonRule() {
return new BestAvailableRule();
}
这种方式对Feign也有效。

我们也可以参考ribbon，自己写一个负载均衡实现类。

可以通过下面方法获取负载均衡策略最终选择了哪个服务实例：

@Autowired
LoadBalancerClient loadBalancerClient;

//测试负载均衡最终选中哪个实例
public String getChoosedService() {
      ServiceInstance serviceInstance = loadBalancerClient.choose("USERINFO-SERVICE");
      StringBuilder sb = new StringBuilder();
      sb.append("host: ").append(serviceInstance.getHost()).append(", ");
      sb.append("port: ").append(serviceInstance.getPort()).append(", ");
      sb.append("uri: ").append(serviceInstance.getUri());
      return sb.toString();
}

原文链接：https://blog.youkuaiyun.com/wudiyong22/article/details/80829808