SpringCloud那些事-Ribbon

目前主流的负载方案有两种:一种是集中式负载均衡,在消费者和服务者提供中间使用独立的代理方式进行负载,比如 Nginx,另一种就是客户端自己做负载均衡,Ribbon 就是其中一种。

使用 Ribbon

在 Eureka 的案例中,消费者 consumer 模块需要使用 DiscoveryClient 来获取服务实例信息,然后获取ip和端口来访问:

@Autowired
private DiscoveryClient discoveryClient;

@GetMapping("/callhello")
public String callHello(){

    List<ServiceInstance> instances = discoveryClient.getInstances("user-service");
    ServiceInstance instance = instances.get(0);
    String url = "http://"+instance.getHost()+":"+instance.getPort()+"/user/hello";
    System.out.println(url);
   return restTemplate.getForObject(url,String.class);
}

这里有个问题,实际开发中,user-service 往往会开启很多个集群,这个时候我们获取了很多个实例,那么到底用哪个?一般情况下,我们需要编写均衡算法,而 Ribbon 已经帮我们实现了:

首先修改 RestConfig ,加入 @LoadBalanced 注解:

@Configuration
public class RestConfig {

    @Bean
    @LoadBalanced
    public RestTemplate restTemplate(){
        return new RestTemplate();
    }
}

修改 ConsumeController ,把 ip 和 端口替换成服务名就好了,这样就完成了。

@RestController
public class ConsumeController {

    @Autowired
    private RestTemplate restTemplate;

    @GetMapping("/callhello")
    public String callHello(){
        String url = "http://user-service/user/hello";
       return restTemplate.getForObject(url,String.class);
    }
}

Ribbon 负载均衡策略

Ribbon 默认的负载均衡策略是轮询,修改均衡负载策略,也是在消费者 consume 配置加入:

user-service.ribbon.NFLoadBalancerRuleClassName=com.netflix.loadbalancer.RandomRule

然后测试,我注册了两个 user-service,一个端口 8081,一个是 8083。

@SpringBootTest
class ConsumeApplicationTests {

    @Autowired
    RibbonLoadBalancerClient client;

    @Test
    void contextLoads() {
        for (int i = 0; i < 100; i++) {
            ServiceInstance instance = this.client.choose("user-service");
            System.out.println(instance.getHost() + ":" + instance.getPort());
        }
    }

}

测试看到变成了随机了:


image.png

如果想自定义负载策略,可以实现 IRule ,Ribbon 的负载均衡策略有:

  • BestAvailabl:选择一个最小的并发请求的 Server,逐个考察 Server,如果 Server 被标记为错误则跳过,然后在选择 ActiveRequestCount 中最小的;
  • AvailabilityFilteringRule:过滤掉那些一直连接失败的且被标记为 circuit tripped 的后端 Server ,并过滤掉那些高并发的;
  • ZoneAvoidanceRule:根据运行性能和连接数选择 Server;
  • RandomRule:随机选择一个 Server;
  • RoundRobinRule:轮询选择;
  • RetryRule:对选定的负载均衡策略机上重试机制;
  • WeightedResponseTimeRule:根据响应时间分配一个weight,响应时间越长,weight越小,被选中的可能性越低。

Ribbon 重试机制

由于 Eureka 是基于 AP 原则构建的,牺牲了数据的一致性,每个 Eureka 服务都会保存注册的服务信息,当注册的客户端与 Eureka 心跳无法保持时,有可能是网络原因,也有可能是服务挂了,在这种情况下,Eureka 还会在一段时间内保存注册信息,这个时候客户端就有可能拿到已经挂掉的服务信息,也就是 Ribbon 拿到了失效的服务信息,这样就导致请求失败了。Ribbon 重试机制可以解决这问题。

使用 RetryRule 重试
最简单的就是利用 Ribbon 自带的重试策略:

user-service.ribbon.NFLoadBalancerRuleClassName=com.netflix.loadbalancer.RetryRule

使用 Spring Retry 重试
添加 Spring Retry 依赖:

<dependency>
    <groupId>org.springframework.retry</groupId>
    <artifactId>spring-retry</artifactId>
</dependency>

配置重试信息:

#当前实例的重试次数
user-service.ribbon.maxAutoRetries = 1
#切换实例的重试次数
user-service.ribbon.maxAutoRetriesNextServer = 1
#对所以操作请求都进行重试
user-service.ribbon.okToRetryOnAllOperations = true
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 229,885评论 6 541
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 99,312评论 3 429
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 177,993评论 0 383
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 63,667评论 1 317
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 72,410评论 6 411
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 55,778评论 1 328
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 43,775评论 3 446
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 42,955评论 0 289
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 49,521评论 1 335
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 41,266评论 3 358
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 43,468评论 1 374
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 38,998评论 5 363
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 44,696评论 3 348
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 35,095评论 0 28
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 36,385评论 1 294
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 52,193评论 3 398
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 48,431评论 2 378