【云原生&微服务五】Ribbon负载均衡策略之随机ThreadLocalRandom ...

文章目录

• 一、前言
  
• 二、Ribbon内置了哪些负载均衡算法？
  
• 三、随机算法 --> RandomRule
  
• 
  
  
  
  • 1、ThreadLocalRandom详解
    
  • 
    
    
    
    • 1）为什么不用Random？
      
    • 2）ThreadLocalRandom的诞生？
      
    • 3）ThreadLocalRandom的错误使用场景
      
    • 
      
      
      
      • 1> 代码示例：
        
      • 2> 运行结果：
        
      • 3> 运行结果分析：
        
         
      
    • 4）ThreadLocalRandom的正确使用方式
      
    • 5）ThreadLocalRandom源码解析
      
    • 
      
      
      
      • 1> nextInt(int bound)方法获取随机值
        
      • 2> nextSeed()方法获取下一个种子值
        
      • 3> 总述
        
         
      
      
    
  
  

一、前言

在前面的Ribbon系列文章：
   

• 【云原生&微服务一】SpringCloud之Ribbon实现负载均衡详细案例（集成Eureka、Ribbon）
  
• 【云原生&微服务二】SpringCloud之Ribbon自定义负载均衡策略（含Ribbon核心API）
  
• 【云原生&微服务三】SpringCloud之Ribbon是这样实现负载均衡的（源码剖析@LoadBalanced原理）
  
• 【云原生&微服务四】SpringCloud之Ribbon和Erueka集成的细节全在这了（源码剖析）
  

  我们聊了以下问题：
   

• 为什么给RestTemplate类上加上了@LoadBalanced注解就可以使用Ribbon的负载均衡？
  
• SpringCloud是如何集成Ribbon的？
  
• Ribbon如何作用到RestTemplate上的？
  
• 如何获取到Ribbon的ILoadBalancer？
  
• ZoneAwareLoadBalancer（属于ribbon）如何与eureka整合，通过eureka client获取到对应注册表?
  
• ZoneAwareLoadBalancer如何持续从Eureka中获取最新的注册表信息?
  
• 如何根据负载均衡器ILoadBalancer从Eureka Client获取到的List中选出一个Server？
  
• Ribbon如何发送网络HTTP请求？
  
• Ribbon如何用IPing机制动态检查服务实例是否存活？
  

  本篇文章我们继续看Ribbon内置了哪些负载均衡策略？RandomRule负载均衡策略的算法是如何实现的？
PS：Ribbon依赖Spring Cloud版本信息如下：

1. <dependencyManagement>
2.     <dependencies>
3.         <dependency>
4.             <groupId>org.springframework.boot</groupId>
5.             <artifactId>spring-boot-dependencies</artifactId>
6.             <version>2.3.7.RELEASE</version>
7.             <type>pom</type>
8.             <scope>import</scope>
9.         </dependency>
10.         
11.         <dependency>
12.             <groupId>org.springframework.cloud</groupId>
13.             <artifactId>spring-cloud-dependencies</artifactId>
14.             <version>Hoxton.SR8</version>
15.             <type>pom</type>
16.             <scope>import</scope>
17.         </dependency>
18.         
19.         <dependency>
20.             <groupId>com.alibaba.cloud</groupId>
21.             <artifactId>spring-cloud-alibaba-dependencies</artifactId>
22.             <version>2.2.5.RELEASE</version>
23.             <type>pom</type>
24.             <scope>import</scope>
25.         </dependency>
26.     </dependencies>
27. </dependencyManagement>

复制代码

二、Ribbon内置了哪些负载均衡算法？

• RandomRule --> 随机选择一个Server
  
• RoundRobinRule --> 轮询选择，轮询Index，选择index对应位置的Server，请求基本平摊到每个Server上。
  
• WeightedResponseTimeRule --> 根据响应时间加权，响应时间越长，权重越小，被选中的可能性越低。
  
• ZoneAvoidanceRule --> 综合判断Server所在Zone的性能和Server的可用性选择server，在没Zone的环境下，类似于轮询(RoundRobinRule)。默认策略
  
• BestAvailableRule --> 选择一个最小的并发请求的Server，逐个考察Server，如果Server被tripped了，则跳过。
  
• RetryRule --> 对选定的负载均衡策略上 重试机制，在一个配置时间段内选择Server不成功，就一直尝试使用subRule（默认是RoundRobinRule）的方式选择一个可用的Server。
  
• AvailabilityFilteringRule --> 过滤掉一直连接失败的（被标记为circuit tripped的）的Server，并过滤掉那些高并发的后端Server 或者 使用一个AvailabilityPredicate来定义过滤Server的逻辑，本质上就是检查status里记录的各个Server的运行状态；其具体逻辑如下：
         先用round robin算法，轮询依次选择一台server，如果判断这个server是否是存活的、可用的，如果这台server是不可以访问的，那么就用round robin算法再次选择下一台server，依次循环往复10次，还不行，就走RoundRobin选择。
  

三、随机算法 --> RandomRule

我们知道Ribbon负载均衡算法体现在IRule的choose(Object key)方法中，而choose(Object key)方法中又会调用choose(ILoadBalancer lb, Object key)方法，所以我们只需要看各个IRule实现类的choose(ILoadBalancer lb, Object key)方法；

随机算法体现在RandomRule#chooseRandomInt()方法：

然而，chooseRandomInt()方法中居然使用的不是Random，而是ThreadLocalRandom，并直接使用ThreadLocalRandom#nextInt(int)方法获取某个范围内的随机值，ThreadLocalRandom是个什么东东？
1、ThreadLocalRandom详解


ThreadLocalRandom位于JUC（java.util.concurrent）包下，继承自Random。
1）为什么不用Random？

从Java1.0开始，java.util.Random就已经存在，其是一个线程安全类，多线程环境下，科通通过它获取到线程之间互不相同的随机数，其线程安全性是通过原子类型AtomicLong的变量seed + CAS实现的。

尽管Random使用 CAS 操作来更新它原子类型AtomicLong的变量seed，并且在很多非阻塞式算法中使用了非阻塞式原语，但是CAS在资源高度竞争时的表现依然糟糕。
2）ThreadLocalRandom的诞生？

JAVA7在JUC包下增加了该类，意在将它和Random结合以克服Random中的CAS性能问题；
虽然可以使用ThreadLocal来避免线程竞争，但是无法避免CAS 带来的开销；考虑到性能诞生了ThreadLocalRandom；ThreadLocalRandom不是ThreadLocal包装后的Random，而是真正的使用ThreadLocal机制重新实现的Random。
ThreadLocalRandom的核心实现细节：
   

• 使用一个普通long类型的变量SEED替换Random中的AtomicLong类型的seed；
  
• 不能同构构造函数创建ThreadLocalRandom实例，因为它的构造函数是私有的，要使用静态工厂ThreadLocalRandom.current()；
  
• 它是CPU缓存感知式的，使用8个long虚拟域来填充64位L1高速缓存行
  

  3）ThreadLocalRandom的错误使用场景

1> 代码示例：

1. package com.saint.random;
3. import java.util.concurrent.ThreadLocalRandom;
5. /**
6. * @author Saint
7. */
8. public class ThreadLocalRandomTest {
10.     private static final ThreadLocalRandom RANDOM =
11.             ThreadLocalRandom.current();
13.     public static void main(String[] args) {
14.         for (int i = 0; i < 10; i++) {
15.             new SonThread().start();
16.         }
17.     }
19.     private static class SonThread extends Thread {
20.         @Override
21.         public void run() {
22.             System.out.println(Thread.currentThread().getName() + " obtain random value is : " + RANDOM.nextInt(100));
23.         }
24.     }
25. }

复制代码

2> 运行结果：

• 居然每个线程获取到的随机值都是一样的！！！
  

3> 运行结果分析：

上述代码中之所以每个线程获取到的随机值都是一样，因为：
   

• ThreadLocalRandom 类维护了一个类单例字段，线程通过调用 ThreadLocalRandom#current() 方法来获取 ThreadLocalRandom单例对象；然后以线程维护的实例字段 threadLocalRandomSeed 为种子生成下一个随机数和下一个种子值；
  
• 线程在调用 current() 方法的时候，会根据用每个线程 thread 的一个实例字段 threadLocalRandomProbe 是否为 0 来判断当前线程实例是是第一次调用随机数生成方法，进而决定是否要给当前线程初始化一个随机的 threadLocalRandomSeed 种子值。
  
• 所以，如果其他线程绕过 current() 方法直接调用随机数方法（比如nextInt()），那么它的种子值就是可预测的，即一样的。
  

  4）ThreadLocalRandom的正确使用方式

每次要获取随机数时，调用ThreadLocalRandom的正确使用方式是ThreadLocalRandom.current().nextX(int)：

1. public class ThreadLocalRandomTest {
3.     public static void main(String[] args) {
4.         for (int i = 0; i < 10; i++) {
5.             new SonThread().start();
6.         }
7.     }
9.     private static class SonThread extends Thread {
10.         @Override
11.         public void run() {
12.             System.out.println(Thread.currentThread().getName() + " obtain random value is : " + ThreadLocalRandom.current().nextInt(100));
13.         }
14.     }
15. }

复制代码

运行结果如下：

5）ThreadLocalRandom源码解析

1> nextInt(int bound)方法获取随机值

1. public int nextInt(int bound) {
2.     if (bound <= 0)
3.         throw new IllegalArgumentException(BadBound);
4.     // 1. 使用当前种子值SEED获取新种子值，mix32()可以看到是一个扰动函数
5.     int r = mix32(nextSeed());
6.     int m = bound - 1;
7.     // 2. 使用新种子值获取随机数
8.     if ((bound & m) == 0) // power of two
9.         r &= m;
10.     else { // reject over-represented candidates
11.         for (int u = r >>> 1;
12.              u + m - (r = u % bound) < 0;
13.              u = mix32(nextSeed()) >>> 1)
14.             ;
15.     }
16.     return r;
17. }

复制代码

当bound=100时，代码执行如下：


2> nextSeed()方法获取下一个种子值

1. final long nextSeed() {
2.     Thread t; long r; // read and update per-thread seed
3.     //r = UNSAFE.getLong(t, SEED) 获取当前线程中对应的SEED值
4.     UNSAFE.putLong(t = Thread.currentThread(), SEED,
5.                    r = UNSAFE.getLong(t, SEED) + GAMMA);
6.     return r;
7. }

复制代码

  nextSeed()方法中首先使用基于主内存地址的Volatile读的方式获取老的SEED种子值，然后再使用基于主内存地址的Volatile写的方式设置新的SEED种子值；
  种子值相关常量：

1. // Unsafe mechanics
2. private static final sun.misc.Unsafe UNSAFE;
3. // 种子值
4. private static final long SEED;
5. private static final long PROBE;
6. private static final long SECONDARY;
7. static {
8.     try {
9.         UNSAFE = sun.misc.Unsafe.getUnsafe();
10.         Class<?> tk = Thread.class;
11.         SEED = UNSAFE.objectFieldOffset
12.             (tk.getDeclaredField("threadLocalRandomSeed"));
13.         PROBE = UNSAFE.objectFieldOffset
14.             (tk.getDeclaredField("threadLocalRandomProbe"));
15.         SECONDARY = UNSAFE.objectFieldOffset
16.             (tk.getDeclaredField("threadLocalRandomSecondarySeed"));
17.     } catch (Exception e) {
18.         throw new Error(e);
19.     }
20. }

复制代码

3> 总述

   

• ThreadLocalRandom中直接基于主内存地址的Volatile读方式读取老SEED值。
  
• ThreadLocalRandom中直接基于主内存地址的Volatile写方式将老SEED值替换为新SEED值；因为这里的种子值都是线程级别的，所以不需要原子级别的变量，也不会出现多线程竞争修改种子值的情况。
  

  谈到基于主内存地址的Volatile读写，ConCurrentHashMap中也有大量使用，参考博文：https://blog.csdn.net/Saintmm/article/details/122911586。

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！