SpringCloud Ribbon介绍及总结

SpringCloud Ribbon:

github源码网址:https://github.com/Netflix/ribbon

SpringCloud Ribbon是基于Netfix Ribbon实现的一套客户端负载均衡工具;

在配置文件中列出Load Balancer后面所有的机器,Ribbon会自动的帮助你基于某种规则(如简单轮询、随机连接等)去连接这些机器,我们很容易使用Ribbon实现自定义的负载均衡算法。

常见的负载均衡软件有:Nginx、LVS,硬件F5等;相应的中间件,例如:dubbo和SpringCloud中均给我们提供了负载均衡,SpringCloud中的负载均衡算法可以自定义

负载均衡分为:集中式LB、进程内LB

集中式LB:即在服务的消费方和服务方之间使用独立的LB设施(F5、nginx等),由该设施负责把访问请求通过某种策略转发至服务的提供方。

进程内LB:将LB逻辑集成到消费方,消费方从服务注册中心获知哪些地址可用,然后再从这些地址中选出一个合适的服务器。

说明:Ribbon就属于进程内LB,它只是一个类库,集成进消费方进程,消费方通过它来获取服务方地址。

Ribbon与Eureka整合后,客户端能够可以直接通过微服务名称调用服务,而不用关心地址和端口。

Ribbon核心组件IRule:

根据特定负载均衡算法从服务列表中选取一个要访问的服务。

SpringCloud Ribbon默认的七中负载均衡算法:

RoundRobinRule、RandomRule、RetryRule、AvailabilityFilteringRule、WeightedResponseTimeRule、BestAvailableRule、ZoneAvoidanceRule

自定义负载均衡算法:

1、新建MySelfRule类(注意:官方文档明确给出了警告,这个自定义配置类不能放在@ComponentScan所扫描的当前包以及子包下

2、需要在Springboot启动类上加上注解:

@RibbonClient(name ="SINOSOFTCLOUD-DEPT",configuration = MySelfRule.class)

“SINOSOFTCLOUD-DEPT”为Eureka中你的微服务名称,configuration配置为自己需要实现的算法类

2、实现MySelfRule类

源码中RandomRule算法类:

public class RandomRule extends AbstractLoadBalancerRule {}

所以实现自己的算法MySelfRule(算法可以自定义),根据源码可知需要继承AbstractLoadBalancerRule类,实现MySelfRule代码示例:

public class MySelfRule extends AbstractLoadBalancerRule {

    public Server choose(ILoadBalancer lb, Object key) {

            if (lb ==null) {

                return null;

            }

            Server server =null;

            while (server ==null) {

                if (Thread.interrupted()) {

                    return null;

                }

            List upList =lb.getReachableServers();

            List allList =lb.getAllServers();

            int serverCount = allList.size();

            if (serverCount ==0) {

                return null;

            }

            // ****************** 自己的算法逻辑,最后生成index

            int index = “自己生成算法逻辑”;

            server = upList.get(index);

            // ******************

            if (server ==null) {

                Thread.yield();

                continue;

            }

            if (server.isAlive()) {

                return (server);

            }

            server =null;

            Thread.yield();

        }

        return server;

    }

    protected int chooseRandomInt(int serverCount) {

        return ThreadLocalRandom.current().nextInt(serverCount);

    }

    @Override

    public Server choose(Object key) {

        return choose(getLoadBalancer(), key);

    }

   @Override public void initWithNiwsConfig(IClientConfig clientConfig) {

       // TODO Auto-generated method stub

   }

}

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 157,012评论 4 359
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 66,589评论 1 290
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 106,819评论 0 237
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 43,652评论 0 202
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 51,954评论 3 285
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 40,381评论 1 210
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 31,687评论 2 310
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 30,404评论 0 194
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 34,082评论 1 238
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 30,355评论 2 241
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 31,880评论 1 255
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 28,249评论 2 250
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 32,864评论 3 232
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 26,007评论 0 8
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 26,760评论 0 192
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 35,394评论 2 269
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 35,281评论 2 259