🍊 Java学习:社区快速通道
🍊 深入浅出RocketMQ设计思想:深入浅出RocketMQ设计思想
🍊 绝对不一样的职场干货:大厂最佳实践经验指南
📆 最近更新:2023年6月4日
🍊 点赞 👍 收藏 ⭐留言 📝 都是我最大的动力!
文章目录
通过本文你可以学习到:
- 常见的7种负载均衡策略思想
- 自旋锁的使用方式
- 防御性编程
负载均衡策略
RandomRule
该策略会从当前可用的服务节点中,随机挑选一个节点访问,使用了yield+自旋的方式做重试,还采用了严格的防御性编程。
RoundRobinRule
该策略会从一个节点一步一步地向后选取节点,如下图所示:
在多线程环境下,两个请求同时访问这个Rule也不会读取到相同节点:这靠的是RandomRobinRule底层的自旋锁+CAS的同步操作。
CAS+自旋锁这套组合技是高并发下最廉价的线程安全手段,因为这套操作不需要锁定系统资源。但缺点是,自旋锁如果迟迟不能释放,将会带来CPU资源的浪费,因为自旋本身并不会执行任何业务逻辑,而是单纯的使CPU空转。所以通常情况下会对自旋锁的旋转次数做一个限制,比如JDK中
synchronize
底层的锁升级策略,就对自旋次数做了动态调整。
while(true){// cas操作if(cas(expected, update)){// 业务逻辑代码// break或退出return}}
Eureka为了防止服务下线被重复调用,就使用AtomicBoolean的CAS方法做同步控制;
奈飞提供的SpringCloud组件有特别多用到CAS的地方,感兴趣的小伙伴们可以发现一下
RetryRule
RetryRule是一个类似装饰器模式的规则,装饰器相当于一层套一层的套娃,每一层都会加上一层独特的功能。
经典的装饰器模式示意图:
借助上面的思路,
RetryRule
就是给其他负载均衡策略加上重试功能。在
RetryRule
里还藏着一个
subRule
,这才是真正被执行的负载均衡策略,
RetryRule
正是要为它添加重试功能(如果初始化时没指定
subRule
,将默认使用
RoundRibinRule
)。
WeightedResponseTimeRule
这个规则继承自
RoundRibbonRule
,他会根据服务节点的响应时间计算权重,响应时间越长权重就越低,响应越快则权重越高,权重的高低决定了机器被选中概率的高低。也就是说,响应时间越小的机器,被选中的概率越大。
服务器刚启动的时候,对各个服务节点采样不足,因此会采用轮询策略,当积累到一定的样本时候,才会切换到
WeightedResponseTimeRule
模式。
BestAvailableRule
在过滤掉故障服务以后,它会基于过去30分钟的统计结果选取当前并发量最小的服务节点作为目标地址。如果统计结果尚未生成,则采用轮询的方式选定节点。
AvailabilityFilteringRule
这个规则底层依赖
RandomRobinRule
来选取节点,但必须要满足它的最低要求的节点才会被选中。如果节点满足了要求,无论其响应时间或者当前并发量是什么,都会被选中。
每次
AvailabilityFilteringRule
都会请求
RobinRule
挑选一个节点,然后对这个节点做以下两步检查:
- 是否处于熔断状态
- 节点当前的请求连接数超过阈值,超过了则表示节点目前太忙
如果被选中的
server
挂了,那么AFR会自动重试(最多10次),让
RobinRule
重新选择一个服务节点
ZoneAvoidanceRule
这个过滤器包含了组合过滤条件,分别是Zone级别和可用性级别。
- Zone Filter: Zone可以理解为机房所属的大区域,这里会对这个Zone下面所有的服务节点进行健康情况过滤。
- 可用性过滤: 这里和
AvailabilityFilteringRule
的验证过程很像,会过滤掉当前并发量较大,或者处于熔断状态的服务节点。
Ribbon 负载均衡策略源码
RandomRule源码
先从
RandomRule
看起,核心的方法是:
publicServerchoose(ILoadBalancer lb,Object key){if(lb ==null){returnnull;}Server server =null;while(server ==null){if(Thread.interrupted()){returnnull;}List<Server> upList = lb.getReachableServers();List<Server> allList = lb.getAllServers();int serverCount = allList.size();if(serverCount ==0){/*
* No servers. End regardless of pass, because subsequent passes
* only get more restrictive.
*/returnnull;}int index =chooseRandomInt(serverCount);
server = upList.get(index);if(server ==null){Thread.yield();continue;}if(server.isAlive()){return(server);}
server =null;Thread.yield();}return server;}
在
RandomRule
里方法的入参
key
没有用到,所以可以先暂时忽略
while
循环逻辑是如果
server
为空,则找到一个可用的
server
if(Thread.interrupted()){returnnull;}
如果线程暂停了,则直接返回空(防御性编程)
List<Server> upList = lb.getReachableServers();List<Server> allList = lb.getAllServers();
allList
存储的是所有的服务,
upList
存储的是可运行状态的服务
int serverCount = allList.size();if(serverCount ==0){returnnull;}
服务中心上没有
server
注册,则返回空
int index =chooseRandomInt(serverCount);
server = upList.get(index);
随机选择一个server
其中,chooseRandomInt的逻辑如下:
protectedintchooseRandomInt(int serverCount){returnThreadLocalRandom.current().nextInt(serverCount);}
返回0到
serverCount
中间的任意一个值
java中的随机是可以预测到结果的,真随机数一般会掺杂一些不可预测的数据,比如当前cpu的温度
**回到
RandomRule
的
choose
方法:**
如果发现随机选择的
server
为空表示此时
serverList
正在被修正,此时让出线程资源,进行下一次循环,对应最开始的防御性编程
if(server ==null){Thread.yield();continue;}
if(server.isAlive()){return(server);}
如果
server
可用直接
return
server =null;Thread.yield();
如果不可用则
server
置为空,下一次循环会选一个新的,最后让出资源。
所以该方法每次进入下一次循环时都会让出线程。
RoundRobinRule源码
接下来看
RoundRobinRule
publicServerchoose(ILoadBalancer lb,Object key){if(lb ==null){
log.warn("no load balancer");returnnull;}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);returnnull;}int nextServerIndex =incrementAndGetModulo(serverCount);
server = allServers.get(nextServerIndex);if(server ==null){Thread.yield();continue;}if(server.isAlive()&&(server.isReadyToServe())){return(server);}
server =null;}if(count >=10){
log.warn("No available alive servers after 10 tries from load balancer: "+ lb);}return server;}
while
循环里面有一个计数器,如果重试10次依然没有结果返回就不重试了。
List<Server> reachableServers = lb.getReachableServers();List<Server> allServers = lb.getAllServers();int upCount = reachableServers.size();int serverCount = allServers.size();
reachableServers
就是
up
状态的
server
if((upCount ==0)||(serverCount ==0)){
log.warn("No up servers available from load balancer: "+ lb);returnnull;}
没有可用服务器则返回空
int nextServerIndex =incrementAndGetModulo(serverCount);
server = allServers.get(nextServerIndex);
选择哪个下标的
server
,进入
incrementAndGetModulo
方法
privateintincrementAndGetModulo(int modulo){for(;;){int current = nextServerCyclicCounter.get();int next =(current +1)% modulo;if(nextServerCyclicCounter.compareAndSet(current, next))return next;}}
使用了自旋锁,
nextServerCyclicCounter
是一个线程安全的数字。
if(server ==null){Thread.yield();continue;}
如果获取到的
server
为空则让出资源,继续下一次循环
if(server.isAlive()&&(server.isReadyToServe())){return(server);}
server
是正常的则返回
server =null;
最后没有让出线程资源,因为重试10次后就退出循环了
BestAvailableRule源码
接下来看
BestAvailableRule
@OverridepublicServerchoose(Object key){if(loadBalancerStats ==null){returnsuper.choose(key);}List<Server> serverList =getLoadBalancer().getAllServers();int minimalConcurrentConnections =Integer.MAX_VALUE;long currentTime =System.currentTimeMillis();Server chosen =null;for(Server server: serverList){ServerStats serverStats = loadBalancerStats.getSingleServerStat(server);if(!serverStats.isCircuitBreakerTripped(currentTime)){int concurrentConnections = serverStats.getActiveRequestsCount(currentTime);if(concurrentConnections < minimalConcurrentConnections){
minimalConcurrentConnections = concurrentConnections;
chosen = server;}}}if(chosen ==null){returnsuper.choose(key);}else{return chosen;}}
if(loadBalancerStats ==null){returnsuper.choose(key);}
如果
loadBalancerStats
为空则调用父类的
choose
方法,父类方法直接委托给
RoundRobinRule
来完成
choose
。
for
循环里先从
loadBalancerStats
中获取到当前服务的状态
ServerStats serverStats = loadBalancerStats.getSingleServerStat(server);
publicServerStatsgetSingleServerStat(Server server){returngetServerStats(server);}
protectedServerStatsgetServerStats(Server server){try{return serverStatsCache.get(server);}catch(ExecutionException e){ServerStats stats =createServerStats(server);
serverStatsCache.asMap().putIfAbsent(server, stats);return serverStatsCache.asMap().get(server);}}
这里是从缓存中获取
server的stats
,如果获取失败则默认创建一个
stats
并添加到缓存中,然后从
cache
中再获取一次。
随后判断是否处于熔断状态
if(!serverStats.isCircuitBreakerTripped(currentTime)){...}
publicbooleanisCircuitBreakerTripped(long currentTime){long circuitBreakerTimeout =getCircuitBreakerTimeout();if(circuitBreakerTimeout <=0){returnfalse;}return circuitBreakerTimeout > currentTime;}
首先获得熔断的
TimeOut
(表示截止到未来某个时间熔断终止),如果大于当前时间说明处于熔断状态。
熔断的
TimeOut
由下面方法计算得到:
privatelonggetCircuitBreakerTimeout(){long blackOutPeriod =getCircuitBreakerBlackoutPeriod();if(blackOutPeriod <=0){return0;}return lastConnectionFailedTimestamp + blackOutPeriod;}
返回上一次连接失败的时间戳 + blackOutPeriod
其中又调用了
privatelonggetCircuitBreakerBlackoutPeriod(){int failureCount = successiveConnectionFailureCount.get();int threshold = connectionFailureThreshold.get();if(failureCount < threshold){return0;}int diff =(failureCount - threshold)>16?16:(failureCount - threshold);int blackOutSeconds =(1<< diff)* circuitTrippedTimeoutFactor.get();if(blackOutSeconds > maxCircuitTrippedTimeout.get()){
blackOutSeconds = maxCircuitTrippedTimeout.get();}return blackOutSeconds *1000L;}
failureCount
是失败的个数,从一个计数器里获得,阈值从一个缓存的属性中获得,之后计算两个的差值,再根据缓存中的一些属性计算最终的秒数,最后乘以1000返回。
回到
BestAvailableRule
的
choose
方法,只有不处于熔断状态才能继续走后面的流程
if(concurrentConnections < minimalConcurrentConnections){
minimalConcurrentConnections = concurrentConnections;
chosen = server;}
选出连接数最小的服务器
if(chosen ==null){returnsuper.choose(key);}else{return chosen;}
最后返回
核心是找到一个最轻松的服务器。
RetryRule源码
查看
RetryRule
源码:
publicServerchoose(ILoadBalancer lb,Object key){long requestTime =System.currentTimeMillis();long deadline = requestTime + maxRetryMillis;Server answer =null;
answer = subRule.choose(key);if(((answer ==null)||(!answer.isAlive()))&&(System.currentTimeMillis()< deadline)){InterruptTask task =newInterruptTask(deadline
-System.currentTimeMillis());while(!Thread.interrupted()){
answer = subRule.choose(key);if(((answer ==null)||(!answer.isAlive()))&&(System.currentTimeMillis()< deadline)){/* pause and retry hoping it's transient */Thread.yield();}else{break;}}
task.cancel();}if((answer ==null)||(!answer.isAlive())){returnnull;}else{return answer;}}
long requestTime =System.currentTimeMillis();long deadline = requestTime + maxRetryMillis;
先记录当前时间和
deadline
,在截止时间之前可以一直重试。
answer = subRule.choose(key);
方法里面是由
subRule
来实现具体的负载均衡逻辑,这里默认类型是
RoundRobinRule
如果选到的是空或者选到的不是up的,且时间在ddl之前则进入重试逻辑:
while(!Thread.interrupted()){
answer = subRule.choose(key);if(((answer ==null)||(!answer.isAlive()))&&(System.currentTimeMillis()< deadline)){/* pause and retry hoping it's transient */Thread.yield();}else{break;}}
如果线程中断了就中断重试。之后重新选择服务器,如果又没选到则把资源让出去,下一次
while
循环再选,在
while
循环之前会起一个任务
InterruptTask task =newInterruptTask(deadline -System.currentTimeMillis());
到了截止时间之后,程序会中断重试的流程
task.cancel();
最后返回
if((answer ==null)||(!answer.isAlive())){returnnull;}else{return answer;}
版权归原作者 小王曾是少年 所有, 如有侵权,请联系我们删除。