负载均衡
什么是?
系统定制开发目前的主流负载方案分系统定制开发为以下两种：
1，集中式，系统定制开发在消费者和服务提供方系统定制开发中间使用独立的代理方系统定制开发式进行负载，有硬件的（比如 F5），系统定制开发也有软件的（比如Nginx）。
2，系统定制开发客户端根据自己的请求系统定制开发情况做负载均衡，Ribbon 系统定制开发就属于客户端自己做负载均衡
Spring Cloud Ribbon是基于Netflix Ribbon 系统定制开发实现的一套系统定制开发系统定制开发客户端的负载均衡工具，Ribbon系统定制开发客户端组件提供一系列系统定制开发的完善的配置，如超时，重试等。通过Load Balancer系统定制开发获取到服务提供的所有机器实例，Ribbon系统定制开发会自动基于某种规则(轮询，随机)系统定制开发去调用这些服务。Ribbon系统定制开发也可以实现我们自己的系统定制开发负载均衡算法。
客户端的负载均衡
系统定制开发客户端会有一个服务器地址列表，系统定制开发在发送请求前通过负载均衡算法选择一个服务器，然后进行访问，这是客户端负载均衡；即在客户端就进行负载均衡算法分配。
通过消费者自己一端实现一个负载均衡器，然后提前去拉取服务列表，通过自己实现的负载均衡的机制进行负载均衡的请求。
服务端的负载均衡
例如，通过Nginx进行负载均衡，先发送请求，然后通过负载均衡算法，在多个服务器之间选择一个进行访问；即在服务器端再进行负载均衡算法分配
通过中间层来实现。集群服务的远程服务地址配置在nginx中。
常见的负载均衡算法
1.轮询法(Round Robin)
思想就是：任何情况下都对所有的服务器节点全部按顺序来，将请求按照顺序轮流地分配到各个服务器上。这种算法会使每台服务器处理的请求是相同的，所以适合用于服务器硬件条件基本都相同的情况。
2.加权轮询法(Weight Robin)
在轮询算法的基础上添加了权重的条件，刚才提到的轮询算法对所有服务器“一视同仁”，那么加权轮询算法无疑就是对各个服务器有了“高低贵贱之分”，没办法，服务器的吃力水平不同，只能让那些强悍的机器优先并多处理一些请求，比较弱的机器就让它稍稍压力小一点。
3.随机法(Random)
随机算法也是一种使用场景比较多的负载均衡算法，这种算法基本思想也是很简单的，随机生成一个数字（或者随机挑一个IP地址）出来，然后挑到谁就是谁，当然，如果随机数是等概况生成的，那时间长了，基本上跟轮询算法没有什么区别，区别最主要的还是在顺序上，随机算法没有那么严格的顺序。
4.加权随机法(Weight Random)
加权随机算法是在随机算法的基础上加了加权的条件，随机法时间长了，基本上跟一般轮询算法就没啥区别了，刚才也说到了，如果服务器的配置都差不多，可以分配差不多的任务，但是如果服务器吃力能力差异比较大，那水平高的和水平低的服务器都给那么多任务，对于高配置的服务器来说就是有点浪费了，对于低配置的服务器来说就有点吃不消，所以在这种配置差异性比较大的情况下，加权的工作还是必要的。
5.最小连接法(Least Connections)
这种算法的思想也是非常简单的，顾名思义，那个服务器的连接数少，就分配给哪个服务器新的请求，合情合理，但是这种算法的缺点就是，当一个比较弱的服务器和一个比较彪悍的服务器，本来就是前者连接的要少，后者要大，如果非要谁的少新请求分配给谁的话，那就是弱服务器的连接要等于强服务器的连接，无疑这样会让弱服务器吃不消，或者造成强服务器的浪费，所以这里还可以使用加权的方法解决这样的问题------加权最小连接法。（哪一台连接数最小就是发给哪一台）
6.源地址哈希法(Hash)
Hash法对于大部分的程序员来说并不陌生，源地址哈希法可以把客户端的IP地址拿出来，然后计算出IP地址的hash值，hash值是一个很大的正整数，那么怎样才能映射到相对应的服务器上呢？
serverPosition=hashCode%serverListSize- 1
来源：https://blog.csdn.net/xiaoxinxin123456789/article/details/85699584
Ribbon的使用
如果使用了nacos-discovery可以不用再引入ribbon的依赖。因为nacos-discovery依赖了Ribbon。
@LoadBalanced注解
在使用 RestTemplate 的时候 如果 RestTemplate 上面有 这个注解，那么 这个 RestTemplate 调用的 远程地址，会走负载均衡器。
使用：
@Bean@LoadBalanced //开启负载均衡的功能RestTemplate restTemplate() { return new RestTemplate();}- 1
- 2
- 3
- 4
- 5
- 6
LoadBalanced源码：
/** * Annotation to mark a RestTemplate bean to be configured to use a LoadBalancerClient * @author Spencer Gibb */@Target({ ElementType.FIELD, ElementType.PARAMETER, ElementType.METHOD })@Retention(RetentionPolicy.RUNTIME)@Documented@Inherited@Qualifierpublic @interface LoadBalanced {}- 1
- 2
- 3
- 4
- 5
- 6
- 7
- 8
- 9
- 10
- 11
- 12
原理：
使用了这个注解以后 ，会在restTemplate 里面 通过 restTemplate.setInterceptors 放入LoadBalancerInterceptor ，这个过滤器会在 请求远程成接口的时候 动态判断请求的域是不是 负载 负载均衡支付的服务的地址，如果是，那么就会代理 使用 这个负载均衡器 来调用。
Ribbon负载均衡策略
IRule
这是所有负载均衡策略的父接口，里边的核心方法就是choose方法，用来选择一个服务实例。比如订单负载均衡调用库存，库存有两个实例，那么这时候就是choose来选择一个进行调用。
AbstractLoadBalancerRule（统一的基类）
AbstractLoadBalancerRule是一个抽象类，里边主要定义了一个ILoadBalancer，这里定义它的目的主要是辅助负责均衡策略选取合适的服务端实例。
RandomRule
看名字就知道，这种负载均衡策略就是随机选择一个服务实例，看源码我们知道，在RandomRule的无参构造方法中初始化了一个Random对象，然后在它重写的choose方法又调用了choose(ILoadBalancer lb, Object key)这个重载的choose方法，在这个重载的choose方法中，每次利用random对象生成一个不大于服务实例总数的随机数，并将该数作为下标所以获取一个服务实例。
RoundRobinRule
RoundRobinRule这种负载均衡策略叫做线性轮询负载均衡策略。这个类的choose(ILoadBalancer lb, Object key)函数整体逻辑是这样的：开启一个计数器count，在while循环中遍历服务清单，获取清单之前先通过incrementAndGetModulo方法获取一个下标，这个下标是一个不断自增长的数先加1然后和服务清单总数取模之后获取到的（所以这个下标从来不会越界），拿着下标再去服务清单列表中取服务，每次循环计数器都会加1，如果连续10次都没有取到服务，则会报一个警告No available alive servers after 10 tries from load balancer: XXXX。
RetryRule （在轮询的基础上进行重试）
看名字就知道这种负载均衡策略带有重试功能。首先RetryRule中又定义了一个subRule，它的实现类是RoundRobinRule，然后在RetryRule的choose(ILoadBalancer lb, Object key)方法中，每次还是采用RoundRobinRule中的choose规则来选择一个服务实例，如果选到的实例正常就返回，如果选择的服务实例为null或者已经失效，则在失效时间deadline之前不断的进行重试（重试时获取服务的策略还是RoundRobinRule中定义的策略），如果超过了deadline还是没取到则会返回一个null。
WeightedResponseTimeRule（ 权重 —nacos的NacosRule ，Nacos还扩展了一个自己的基于配置的权重扩展 ）
WeightedResponseTimeRule是RoundRobinRule的一个子类，在WeightedResponseTimeRule中对RoundRobinRule的功能进行了扩展，WeightedResponseTimeRule中会根据每一个实例的运行情况来给计算出该实例的一个权重，然后在挑选实例的时候则根据权重进行挑选，这样能够实现更优的实例调用。WeightedResponseTimeRule中有一个名叫DynamicServerWeightTask的定时任务，默认情况下每隔30秒会计算一次各个服务实例的权重，权重的计算规则也很简单，如果一个服务的平均响应时间越短则权重越大，那么该服务实例被选中执行任务的概率也就越大。
ClientConfigEnabledRoundRobinRule
ClientConfigEnabledRoundRobinRule选择策略的实现很简单，内部定义了RoundRobinRule，choose方法还是采用了RoundRobinRule的choose方法，所以它的选择策略和RoundRobinRule的选择策略一致，不赘述。
BestAvailableRule
BestAvailableRule继承自ClientConfigEnabledRoundRobinRule，它在ClientConfigEnabledRoundRobinRule的基础上主要增加了根据loadBalancerStats中保存的服务实例的状态信息来过滤掉失效的服务实例的功能，然后顺便找出并发请求最小的服务实例来使用。然而loadBalancerStats有可能为null，如果loadBalancerStats为null，则BestAvailableRule将采用它的父类即ClientConfigEnabledRoundRobinRule的服务选取策略（线性轮询）。
ZoneAvoidanceRule （ 默认规则，复合判断server所在区域的性能和server的可用性选择服务器。 ）
ZoneAvoidanceRule是PredicateBasedRule的一个实现类，只不过这里多一个过滤条件，ZoneAvoidanceRule中的过滤条件是以ZoneAvoidancePredicate为主过滤条件和以AvailabilityPredicate 为次过滤条件组成的一个叫做CompositePredicate的组合过滤条件，过滤成功之后，继续采用线性轮询( RoundRobinRule )的方式从过滤结果中选择一个出来。
AvailabilityFilteringRule（先过滤掉故障实例，再选择并发较小的实例）
过滤掉一直连接失败的被标记为circuit tripped的后端Server，并过滤掉那些高并发的后端Server或者使用一个AvailabilityPredicate来包含过滤server的逻辑，其实就是检查status里记录的各个Server的运行状态。
失败的被标记为circuit tripped的后端Server，并过滤掉那些高并发的后端Server或者使用一个AvailabilityPredicate来包含过滤server的逻辑，其实就是检查status里记录的各个Server的运行状态。