dubbo的负载均衡机制

在集群负载均衡时，Dubbo 提供了多种均衡策略，缺省为 random 随机调用。

以上是dubbo提供的四种负载均衡机制：

Random LoadBalance

随机，按权重设置随机概率。

在一个截面上碰撞的概率高，但调用量越大分布越均匀，而且按概率使用权重后也比较均匀，有利于动态调整提供者权重。

比如：上图中userService有三台服务提供者，权重分别为100、200、50，按照基于权重的随机负载均衡机制，请求这三个服务的概率分别为2/7,4/7和1/7，我们可以测试下：

首先我们启动三个服务提供者UserService，端口分别为20880和20881、20882：

#dubbo协议使用的端口
dubbo.protocol.port=20880

#dubbo协议使用的端口
dubbo.protocol.port=20881

#dubbo协议使用的端口
dubbo.protocol.port=20882

并打印日志：

        @Override
        public List<User> getALlUsers(){
            logger.debug("getALlUsers in...1");
            List<User> users = userMapper.getAllUsers();
            return users;
        }

        @Override
        public List<User> getALlUsers(){
            logger.debug("getALlUsers in...2");
            List<User> users = userMapper.getAllUsers();
            return users;
        }

        @Override
        public List<User> getALlUsers(){
            logger.debug("getALlUsers in...3");
            List<User> users = userMapper.getAllUsers();
            return users;
        }

然后启动服务消费者，分别调用四次接口http://localhost:7777/getAllUsers：

第一次：

第二次：

第三次：

第四次：

通过观察控制台可以发现，这三个服务的权重都是100，是相等的，

但是在随机策略下，以上的四次访问确实是没有规律的，其中第一个服务就被访问了2次，之后第三个服务才被访问到

RoundRobin LoadBalance

轮循，按公约后的权重设置轮循比率。

存在慢的提供者累积请求的问题，比如：第二台机器很慢，但没挂，当请求调到第二台时就卡在那，久而久之，所有请求都卡在调到第二台上。

测试：

我们将消费者引用的远程服务负载均衡策略改为轮询，此时我们仍然保证三个服务的权重相等。

 @Reference(loadbalance="roundrobin")
 private UserService<User> userService;

然后重启消费者，分别调用四次接口：

第一次：

getALlUsers in...1

第二次：

getALlUsers in...2

第三次：

getALlUsers in...3

第四次：

getALlUsers in...1
getALlUsers in...1

可以看到在权重相等的情况下，使用轮询策略，消费者会依次访问三个服务。

然后我们将策略依然改成random：

@Reference(loadbalance="random")
private UserService<User> userService;

然后我们可以在服务提供者的服务上添加权重的注解：

不过这样就写死了，我们平时最多的是动态的调整服务的权重，不采用图中配置，所以我们可以在控制台来动态配置：

最终调整的结果：

再次访问多次接口，我们可以发现随机策略下，权重大的会被访问到很多次，而权重小的则调用的少：

还有两种是：

LeastActive LoadBalance

最少活跃调用数，相同活跃数的随机，活跃数指调用前后计数差。

使慢的提供者收到更少请求，因为越慢的提供者的调用前后计数差会越大。

ConsistentHash LoadBalance

一致性 Hash，相同参数的请求总是发到同一提供者。

当某一台提供者挂时，原本发往该提供者的请求，基于虚拟节点，平摊到其它提供者，不会引起剧烈变动。算法参见：http://en.wikipedia.org/wiki/Consistent_hashing

缺省只对第一个参数 Hash，如果要修改，请配置 <dubbo:parameter key="hash.arguments" value="0,1" />

缺省用 160 份虚拟节点，如果要修改，请配置 <dubbo:parameter key="hash.nodes" value="320" />
————————————————
版权声明：本文为CSDN博主「Jeff.Sheng」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/shengqianfeng/article/details/82314269