Ribbon-负载均衡策略

Posted 2023-03-02

参考技术A

负载均衡通器常有两种实现手段，一种是服务端负载均衡器，另一种是客户端负载均衡器，而今天的主角Ribbon就是属于后者--客户端负载均衡器。

服务端负载均衡器的问题是，它提供了更强的流量控制权，但无法满足一同的消费者希望使用不同负载均衡策略的需求，而使用不同负载均衡策略的场景确实是存在的，所以客户端负载均衡就提供了这种灵活性。 然而客户端负载均衡也有其缺点，如果配置不当，可能会导致服务提供者出现热点，或者压根就拿不到任何服务的情况。及了解一下Ribbon的7种内置负载均衡策略的具体规则。

Ribbon是Spring Cloud技术栈中非常重要的基础框架，它为Spring Cloud提供了负载均衡的能力，比如Fegin和OpenFegin都是基于Ribbon实现的，就连Nacos中的负载均衡也使用了Ribbon框架。

Ribbon框架的强大之处在于，它不仅内置了7种负载均衡策略，同时还支持用户自定义负载均衡策略，所以其开放性和便利性也是它得以流行的主要原因。

服务端负载均衡和客户端负载均衡的区别如下所示：

客户端负载均衡器的实现原理是通过注册中心，如Nacos，将可用的服务列表拉取到本地（客户端），在通过客服端负载均衡器（设置的负载均衡策略）获取到某个服务器的具体IP和端口，然后在通过HTTP框架请求服务并得到结果，其执行流程如下所示：

以Nacos中Ribbon负载均衡设置为例，在配置文件 application.yml 中设置如下配置即可：

因为Nacos中已经内置了Ribbon，所以在实现项目开发中无需再引用Ribbon依赖了，这一点我们在Nacos的依赖树中就可以看到，如下所示：

轮询策略：RoundRobinRule，按照一定的顺序依次调用服务实例。比如一共有 3 个服务，第一次调用服务 1，第二次调用服务 2，第三次调用服务3，依次类推。此策略的配置设置如下：

权重策略：WeightedResponseTimeRule，根据每个服务提供者的响应时间分配一个权重，响应时间越长，权重越小，被选中的可能性也就越低。它的实现原理是，刚开始使用轮询策略并开启一个计时器，每一段时间收集一次所有服务提供者的平均响应时间，然后再给每个服务提供者附上一个权重，权重越高被选中的概率也越大。此策略的配置设置如下：

随机策略：RandomRule，从服务提供者的列表中随机选择一个服务实例。此策略的配置设置如下：

最小连接数策略：BestAvailableRule，也叫最小并发数策略，它是遍历服务提供者列表，选取连接数最小的一个服务实例。如果有相同的最小连接数，那么会调用轮询策略进行选取。此策略的配置设置如下：

重试策略：RetryRule，按照轮询策略来获取服务，如果获取的服务实例为null或已经失效，则在指定的时间之内不断地进行重试来获取服务。如果超过指定时间依然没获取到服务实例则返回null。此策略的配置设置如下：

可用敏感性策略：AvailabilityFilteringRule，先过滤掉非健康的服务实例，然后在选择连接数较小的服务实例。此策略的配置设置如下：

区域敏感策略：ZoneAvoidanceRule，根据服务所在区域（zone）的性能和服务的可用性来选择服务实例，在没有区域的环境下，该策略和轮询策略类似。此策略的配置设置如下：

Ribbon 为客户端负载均衡器，相比于服务端负载均衡器的统一负载均衡策略来说，它提供了更多的灵活性。Ribbon 内置了 7 种负载均衡策略：轮询策略、权重策略、随机策略、最小连接数策略、重试策略、可用性敏感策略、区域性敏感策略，并且用户可以通过继承 RoundRibbonRule 来实现自定义负载均衡策略。