Dubbo源码(八) - 负载均衡

前言

本文基于Dubbo2.6.x版本，中文注释版源码已上传github：xiaoguyu/dubbo
负载均衡，英文名称为Load Balance，其含义就是指将负载（工作任务）进行平衡、分摊到多个操作单元上进行运行。
例如：在Dubbo中，同一个服务有多个服务提供者，每个服务提供者所在的机器性能不一致。如果流量均匀分摊，则会导致有些服务提供者负载过高，有些则轻轻松松，导致资源浪费。负载均衡就解决这个问题。
源码

LoadBalance就是负载均衡的接口，咱们先看看类图

Dubbo提供了4中内置的负载均衡实现：

• RandomLoadBalance：基于权重随机算法
  
• LeastActiveLoadBalance：基于最少活跃调用数算法
  
• ConsistentHashLoadBalance：基于 hash 一致性算法
  
• RoundRobinLoadBalance：基于加权轮询算法
  

那么负载均衡是在哪里被用的的呢？
AbstractClusterInvoker的select和reselect方法。不熟悉这两个方法的，可以去看《Dubbo集群》
AbstractLoadBalance

抽象类封装了一些公共的逻辑，在看具体实现类之前，我们先看看抽象类AbstractLoadBalance中的方法

1. public <T> Invoker<T> select(List<Invoker<T>> invokers, URL url, Invocation invocation) {
2.     if (invokers == null || invokers.isEmpty())
3.         return null;
4.     // 如果 invokers 列表中仅有一个 Invoker，直接返回即可，无需进行负载均衡
5.     if (invokers.size() == 1)
6.         return invokers.get(0);
7.     // 调用 doSelect 方法进行负载均衡，该方法为抽象方法，由子类实现
8.     return doSelect(invokers, url, invocation);
9. }

复制代码

LoadBalance接口只有一个方法，那就是 select 方法，这是负载均衡的入口。根据 invoker 数量判断是否需要进行负载均衡。这里的 doSelect 是个抽象方法，由子类实现。

1. protected int getWeight(Invoker<?> invoker, Invocation invocation) {
2.     int weight = invoker.getUrl().getMethodParameter(invocation.getMethodName(), Constants.WEIGHT_KEY, Constants.DEFAULT_WEIGHT);
3.     if (weight > 0) {
4.         // 获取服务提供者启动时间戳
5.         long timestamp = invoker.getUrl().getParameter(Constants.REMOTE_TIMESTAMP_KEY, 0L);
6.         if (timestamp > 0L) {
7.             // 计算服务提供者运行时长
8.             int uptime = (int) (System.currentTimeMillis() - timestamp);
9.             // 获取服务预热时间，默认为10分钟
10.             int warmup = invoker.getUrl().getParameter(Constants.WARMUP_KEY, Constants.DEFAULT_WARMUP);
11.             // 如果服务运行时间小于预热时间，则重新计算服务权重，即降权
12.             if (uptime > 0 && uptime < warmup) {
13.                 // 重新计算服务权重
14.                 weight = calculateWarmupWeight(uptime, warmup, weight);
15.             }
16.         }
17.     }
18.     return weight;
19. }
21. static int calculateWarmupWeight(int uptime, int warmup, int weight) {
22.     // 计算权重，下面代码逻辑上形似于 (uptime / warmup) * weight。
23.     // 随着服务运行时间 uptime 增大，权重计算值 ww 会慢慢接近配置值 weight
24.     int ww = (int) ((float) uptime / ((float) warmup / (float) weight));
25.     return ww < 1 ? 1 : (ww > weight ? weight : ww);
26. }

复制代码

getWeight 是获取权重的方法，默认权重为100，这里有个服务预热的操作，当服务的启动时间小于预热时间，权重会减少，这个权重由 calculateWarmupWeight 方法计算。
预热的目的是让服务启动后“低功率”运行一段时间，使其效率慢慢提升至最佳状态。
以上就是抽象类的全部方法。下面我们看实现类的。
RandomLoadBalance

RandomLoadBalance 是加权随机算法的具体实现，是Dubbo默认的负载均衡策略。
假设我们有一组服务器 servers = [A, B, C]，他们对应的权重为 weights = [5, 3, 2]，权重总和为10。

我们取一个大于等于0，小于10的随机数，计算随机数落在哪个区间。例如4在A区间，7在B区间。
权重越大，落在该区间的概率就越大。这就是加权随机算法。
下面看具体代码实现

1. public class RandomLoadBalance extends AbstractLoadBalance {
3.     public static final String NAME = "random";
5.     private final Random random = new Random();
7.     @Override
8.     protected <T> Invoker<T> doSelect(List<Invoker<T>> invokers, URL url, Invocation invocation) {
9.         int length = invokers.size(); // Number of invokers
10.         int totalWeight = 0; // The sum of weights
11.         boolean sameWeight = true; // Every invoker has the same weight?
12.         // 下面这个循环有两个作用，第一是计算总权重 totalWeight，
13.         // 第二是检测每个服务提供者的权重是否相同
14.         for (int i = 0; i < length; i++) {
15.             int weight = getWeight(invokers.get(i), invocation);
16.             totalWeight += weight; // Sum
17.             // 检测当前服务提供者的权重与上一个服务提供者的权重是否相同，
18.             // 不相同的话，则将 sameWeight 置为 false。
19.             if (sameWeight && i > 0
20.                     && weight != getWeight(invokers.get(i - 1), invocation)) {
21.                 sameWeight = false;
22.             }
23.         }
24.         if (totalWeight > 0 && !sameWeight) {
25.             // 随机获取一个 [0, totalWeight) 区间内的数字
26.             int offset = random.nextInt(totalWeight);
27.             // Return a invoker based on the random value.
28.             // 循环让 offset 数减去服务提供者权重值，当 offset 小于0时，返回相应的 Invoker。
29.             // 举例说明一下，我们有 servers = [A, B, C]，weights = [5, 3, 2]，offset = 7。
30.             // 第一次循环，offset - 5 = 2 > 0，即 offset > 5，
31.             // 表明其不会落在服务器 A 对应的区间上。
32.             // 第二次循环，offset - 3 = -1 < 0，即 5 < offset < 8，
33.             // 表明其会落在服务器 B 对应的区间上
34.             for (int i = 0; i < length; i++) {
35.                 // 让随机值 offset 减去权重值
36.                 offset -= getWeight(invokers.get(i), invocation);
37.                 if (offset < 0) {
38.                     // 返回相应的 Invoker
39.                     return invokers.get(i);
40.                 }
41.             }
42.         }
43.         // 如果所有服务提供者权重值相同，此时直接随机返回一个即可
44.         return invokers.get(random.nextInt(length));
45.     }
46. }

复制代码

如果权重一致，就随机选择一个。如果权重不同，则根据权重分配。
LeastActiveLoadBalance

最小活跃数负载均衡。这个活跃数表示执行中的请求数量。每个服务提供者对应一个活跃数 active。初始情况下，所有服务提供者活跃数均为0。每收到一个请求，活跃数加1，完成请求后则将活跃数减1。
在流量均匀的情况下，活跃数越低的服务提供者，其性能越好。

1. protected <T> Invoker<T> doSelect(List<Invoker<T>> invokers, URL url, Invocation invocation) {
2.     int length = invokers.size(); // Number of invokers
3.     // 最小的活跃数
4.     int leastActive = -1; // The least active value of all invokers
5.     // 具有相同“最小活跃数”的服务者提供者（以下用 Invoker 代称）数量
6.     int leastCount = 0; // The number of invokers having the same least active value (leastActive)
7.     // leastIndexs 用于记录具有相同“最小活跃数”的 Invoker 在 invokers 列表中的下标信息
8.     int[] leastIndexs = new int[length]; // The index of invokers having the same least active value (leastActive)
9.     int totalWeight = 0; // The sum of with warmup weights
10.     // 第一个最小活跃数的 Invoker 权重值，用于与其他具有相同最小活跃数的 Invoker 的权重进行对比，
11.     // 以检测是否“所有具有相同最小活跃数的 Invoker 的权重”均相等
12.     int firstWeight = 0; // Initial value, used for comparision
13.     boolean sameWeight = true; // Every invoker has the same weight value?
15.     // 遍历 invokers 列表
16.     for (int i = 0; i < length; i++) {
17.         Invoker<T> invoker = invokers.get(i);
18.         // 获取 Invoker 对应的活跃数
19.         int active = RpcStatus.getStatus(invoker.getUrl(), invocation.getMethodName()).getActive(); // Active number
20.         // 获取权重
21.         int afterWarmup = getWeight(invoker, invocation); // Weight
22.         // 发现更小的活跃数，重新开始
23.         if (leastActive == -1 || active < leastActive) { // Restart, when find a invoker having smaller least active value.
24.             // 使用当前活跃数 active 更新最小活跃数 leastActive
25.             leastActive = active; // Record the current least active value
26.             // 更新 leastCount 为 1
27.             leastCount = 1; // Reset leastCount, count again based on current leastCount
28.             // 记录当前下标值到 leastIndexs 中
29.             leastIndexs[0] = i; // Reset
30.             totalWeight = afterWarmup; // Reset
31.             firstWeight = afterWarmup; // Record the weight the first invoker
32.             sameWeight = true; // Reset, every invoker has the same weight value?
33.         // 当前 Invoker 的活跃数 active 与最小活跃数 leastActive 相同
34.         } else if (active == leastActive) { // If current invoker's active value equals with leaseActive, then accumulating.
35.             // 在 leastIndexs 中记录下当前 Invoker 在 invokers 集合中的下标
36.             leastIndexs[leastCount++] = i; // Record index number of this invoker
37.             // 累加权重
38.             totalWeight += afterWarmup; // Add this invoker's weight to totalWeight.
39.             // If every invoker has the same weight?
40.             // 检测当前 Invoker 的权重与 firstWeight 是否相等，
41.             // 不相等则将 sameWeight 置为 false
42.             if (sameWeight && i > 0
43.                     && afterWarmup != firstWeight) {
44.                 sameWeight = false;
45.             }
46.         }
47.     }
48.     // assert(leastCount > 0)
49.     // 当只有一个 Invoker 具有最小活跃数，此时直接返回该 Invoker 即可
50.     if (leastCount == 1) {
51.         // If we got exactly one invoker having the least active value, return this invoker directly.
52.         return invokers.get(leastIndexs[0]);
53.     }
54.     // 有多个 Invoker 具有相同的最小活跃数，但它们之间的权重不同
55.     if (!sameWeight && totalWeight > 0) {
56.         // If (not every invoker has the same weight & at least one invoker's weight>0), select randomly based on totalWeight.
57.         // 随机生成一个 [0, totalWeight) 之间的数字
58.         int offsetWeight = random.nextInt(totalWeight) + 1;
59.         // Return a invoker based on the random value.
60.         // 循环让随机数减去具有最小活跃数的 Invoker 的权重值，
61.         // 当 offset 小于等于0时，返回相应的 Invoker
62.         for (int i = 0; i < leastCount; i++) {
63.             int leastIndex = leastIndexs[i];
64.             // 获取权重值，并让随机数减去权重值
65.             offsetWeight -= getWeight(invokers.get(leastIndex), invocation);
66.             if (offsetWeight <= 0)
67.                 return invokers.get(leastIndex);
68.         }
69.     }
70.     // If all invokers have the same weight value or totalWeight=0, return evenly.
71.     // 如果权重相同或权重为0时，随机返回一个 Invoker
72.     return invokers.get(leastIndexs[random.nextInt(leastCount)]);
73. }

复制代码

注释写的很详细了，和原理步骤差不多，源码中多个对长时间未更新 invoker 的处理。
ConsistentHashLoadBalance

一致性Hash算法。
其原理简单讲，就是假定有一个圆环，每个服务根据其 hash 值，在圆环上有个位置（如图的cache-1、cache-2等）。当有请求过来的，同样根据请求的 hash 值确定请求的位置，并根据请求的位置去获取最近的下一个服务的位置。如下图：

当请求落在 cache-2 和 cache-3 之间时，下一个最近的是 cache-3，如果 cache-3 服务不可用，那么最近的下个服务就是 cache-4
这时，又引入了一个资源倾斜的问题，那就是大量请求集中在同一个服务中。由于服务在圆环上分布不均，导致大部分请求都落在cache-2中，如下图：

那么该如何处理资源倾斜的问题？引入虚拟节点，就是一个服务有多个多个位置，这样就能使请求更均匀，如下图：

以上就是一致性hash算法的原理。下面讲讲Dubbo的源码

1. @Activate(group = Constants.CONSUMER, value = Constants.ACTIVES_KEY)
2. public class ActiveLimitFilter implements Filter

复制代码

doSelect 方法先从缓存获取 selector ，如果缓存没有，则创建并放入缓存。然后调用 selector.select 方法获取 invoker 。所以一致性 hash 的实现，在ConsistentHashSelector中。我们先看其构造方法

1. <dubbo:service interface="com.alibaba.dubbo.demo.DemoService" ref="demoService" registry="remoteRegistry" actives="5" />
2. <dubbo:reference id="demoService" interface="com.alibaba.dubbo.demo.DemoService" loadbalance="leastactive" actives="5" />

复制代码

ConsistentHashSelector的构造方法，主要是计算 invokers 的每一个 invoker 的hash，并将其放入 virtualInvokers 中。从这里可以看到，Dubbo默认的虚拟节点为160个。对比一致性 hash 算法中，virtualInvokers 就是 hash 环，invoker 就是节点。
我们继续看如何从 hash 环中找到最近的节点

1. <dubbo:reference id="demoService" interface="com.alibaba.dubbo.demo.DemoService" filter="activelimit" />

复制代码

选择的过程也很简单，依赖的是 TreeMap 的 tailMap 方法。
总结

本文介绍了Dubbo内置的4中负载均衡实现。至此，Dubbo的集群容错的四个部分，也就是服务目录 Directory、服务路由 Router、集群 Cluster 和负载均衡 LoadBalance 都已全部讲完。
参考资料
Dubbo开发指南

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！