时时彩下载网站_Spring Clould负载均衡重要组件:Ribbon中重要类的用法

  • 时间:
  • 浏览:2

    Ribbon是Spring Cloud Netflix全家桶中负责负载均衡的组件,它是一组类库的集合。通过Ribbon,多线程 员能在不涉及到具体实现细节的基础上“透明”地用到负载均衡,而并非在项目里过多地编写实现负载均衡的代码。

    比如,在某个含有Eureka和Ribbon的集群中,某个服务(需用理解成2个jar包)被部署在多台服务器上,当多个服务使用者共同调用该服务时,那些并发的请求能被用三种合理的策略转发到各台服务器上。

    事实上,在使用Spring Cloud的其它各种组件时,我们 都能看了Ribbon的痕迹,比如Eureka能和Ribbon整合,而在后文里将提到的提供网关功能Zuul组件在转发请求时,也需用整合Ribbon从而达到负载均衡的效果。

    从代码层面来看,Ribbon有如下2个比较重要的接口。

    第一,ILoadBalancer,这也叫负载均衡器,通过它,我们 能在项目里根据特定的规则合理地转发请求,常见的实现类有BaseLoadBalancer。

    第二,IRule,这俩 接口有多个实现类,比如RandomRule和RoundRobinRule,那些实现类具体地定义了诸如“随机“和”轮询“等的负载均衡策略,我们 还能重写该接口里的土妙招来自定义负载均衡的策略。

在BaseLoadBalancer类里,我们 能通过IRule的实现类设置负载均衡的策略,过多过多过多过多该负载均衡器就能据此合理地转发请求。

    第三,IPing接口,通过该接口,我们 能获取到当前那些服务器是可用的,我们 也能通过重写该接口里的土妙招来自定义判断服务器算不算可用的规则。在BaseLoadBalancer类里,我们 同样能通过IPing的实现类设置判断服务器算不算可用的策略。    

1 ILoadBalancer:负载均衡器接口

    在Ribbon里,我们 需用通过ILOadBalancer这俩 接口以基于特定的负载均衡策略来挑选服务器。

    通过下面的ILoadBalancerDemo.java,我们 来看下这俩 接口的基本用法。这俩 类是倒入4.2偏离 创建的RabbionBasicDemo项目里,代码如下。    

1    //省略必要的package和import代码
2    public class ILoadBalancerDemo {
3        public static void main(String[] args){
4            //创建ILoadBalancer的对象 
5             ILoadBalancer loadBalancer = new BaseLoadBalancer();
6            //定义2个服务器列表
7               List<Server> myServers = new ArrayList<Server>();
8            //创建2个Server对象
9            Server s1 = new Server("ekserver1",200200);
10             Server s2 = new Server("ekserver2",200200);
11            //2个server对象倒入List类型的myServers对象里   
12             myServers.add(s1);
13             myServers.add(s2);
14            //把myServers倒入负载均衡器
15            loadBalancer.addServers(myServers);
16            //在for循环里发起10次调用
17            for(int i=0;i<10;i++){
18             //用基于默认的负载均衡规则获得Server类型的对象
19                Server s = loadBalancer.chooseServer("default");
20             //输出IP地址和端口号
21                System.out.println(s.getHost() + ":" + s.getPort());
22            }        
23       }
24    }

     在第5行里,我们 创建了BaseLoadBalancer类型的loadBalancer对象,而BaseLoadBalancer是负载均衡器ILoadBalancer接口的实现类。

    在第6到第13行里,我们 创建了2个Server类型的对象,并把它们倒入了myServers里,在第15行里,我们 把List类型的myServers对象倒入了负载均衡器里。

    在第17到22行的for循环里,我们 通过负载均衡器模拟了10次挑选服务器的动作,具体而言,是在第19行里,通过loadBalancer的chooseServer土妙招以默认的负载均衡规则挑选服务器,在第21行里,我们 是用“打印”这俩 动作来模拟实际的“使用Server对象防止请求”的动作。

    上述代码的运行结果如下所示,其中我们 能看了,loadBalancer这俩 负载均衡器把10次请求均摊到了2台服务器上,从中随便说说能看了 “负载均衡”的效果。

    第二,IRule,这俩 接口有多个实现类,比如RandomRule和RoundRobinRule,那些实现类具体地定义了诸如“随机“和”轮询“等的负载均衡策略,我们 还能重写该接口里的土妙招来自定义负载均衡的策略。

    在BaseLoadBalancer类里,我们 能通过IRule的实现类设置负载均衡的策略,过多过多过多过多该负载均衡器就能据此合理地转发请求。

    第三,IPing接口,通过该接口,我们 能获取到当前那些服务器是可用的,我们 也能通过重写该接口里的土妙招来自定义判断服务器算不算可用的规则。在BaseLoadBalancer类里,我们 同样能通过IPing的实现类设置判断服务器算不算可用的策略。  

1    ekserver2:200200
2    ekserver1:200200
3    ekserver2:200200
4    ekserver1:200200
5    ekserver2:200200
6    ekserver1:200200
7    ekserver2:200200
8    ekserver1:200200
9    ekserver2:200200
10   ekserver1:200200

2 IRule:定义负载均衡规则的接口

    在Ribbon里,我们 需用通过定义IRule接口的实现类来给负载均衡器设置相应的规则。在下表里,我们 能看了IRule接口的一些常用的实现类。

实现类的名字

负载均衡的规则

RandomRule

采用随机挑选的策略

RoundRobinRule

采用轮询策略

RetryRule

采用该策略时,会含有重试动作

AvailabilityFilterRule

会过滤些多次连接失败和请求并发数不足英文的服务器

WeightedResponseTimeRule

根据平均响应时间为每个服务器设置2个权重,根据该权重值优先挑选平均响应时间较小的服务器

ZoneAvoidanceRule

优先把请求分配到和该请求具有相同区域(Zone)的服务器上

    在下面的IRuleDemo.java的多线程 里,我们 来看下IRule的基本用法。

1    //省略必要的package和import代码
2    public class IRuleDemo {
3        public static void main(String[] args){
4        //请注意这是用到的是BaseLoadBalancer,而都有

ILoadBalancer接口
5        BaseLoadBalancer loadBalancer = new BaseLoadBalancer();
6            //声明基于轮询的负载均衡策略
7            IRule rule = new RoundRobinRule();
8        //在负载均衡器里设置策略 
9            loadBalancer.setRule(rule);
10            //如下定义四个Server,并把它们倒入List类型的集合中
11            List<Server> myServers = new ArrayList<Server>();
12            Server s1 = new Server("ekserver1",200200);
13            Server s2 = new Server("ekserver2",200200);
14            Server s3 = new Server("ekserver3",200200);
15            myServers.add(s1);
16            myServers.add(s2);
17            myServers.add(s3);
18            //在负载均衡器里设置服务器的List
19            loadBalancer.addServers(myServers);
20            //输出负载均衡的结果
21            for(int i=0;i<10;i++){
22                Server s = loadBalancer.chooseServer(null);
23                System.out.println(s.getHost() + ":" + s.getPort());    
24          }        
25        }
26    }

    这段代码和上文里的ILoadBalancerDemo.java很例如于,但有如下的差别点。

    1 在第5行里,我们 是通过BaseLoadBalancer这俩 类而都有 接口来定义负载均衡器,原应是该类含有setRule土妙招。

    2 在第7行定义了2个基于轮询规则的rule对象,并在第9行里把它设置进负载均衡器。

    3 在第19行里,我们 是把含有四个Server的List对象倒入负载均衡器,而都有 日后的2个。可能这里存粹是为了演示效果,过多过多过多过多我们 就倒入2个根本不存在的“ekserver3”服务器。

    运行该多线程 后,我们 需用看了有10次输出,或者随便说说是按“轮询”的规则有顺序地输出四个服务器的名字。可能我们 把第7行的代码改成如下,没有就会看了 “随机”地输出服务器名。

    IRule rule = new RandomRule();

3  IPing:判断服务器算不算可用的接口

    在项目里,我们 一般会让ILoadBalancer接口自动地判断服务器算不算可用(那些业务都封放到Ribbon的底层代码里),此外,我们 需用用Ribbon组件里的IPing接口来实现这俩 功能。

    在下面的IRuleDemo.java代码里,我们 将演示IPing接口的一般用法。    

1    //省略必要的package和import代码
2    class MyPing implements IPing {
3        public boolean isAlive(Server server) {
4             //可能服务器名是ekserver2,则返回false
5            if (server.getHost().equals("ekserver2")) {
6                return false;
7            }
8            return true;
9        }
10    }

    第2行定义的MyPing类实现了IPing接口,并在第3行重写了其中的isAlive土妙招。

    在这俩 土妙招里,我们 根据服务器名来判断,具体而言,可能名字是ekserver2,则返回false,表示该服务器不可用,或者返回true,表示当前服务器可用。     

11    public class IRuleDemo {
12        public static void main(String[] args) {
13            BaseLoadBalancer loadBalancer = new BaseLoadBalancer();
14            //定义IPing类型的myPing对象
15            IPing myPing = new MyPing(); 
16             //在负载均衡器里使用myPing对象
17            loadBalancer.setPing(myPing);
18             //同样是创建2个Server对象并倒入负载均衡器
19            List<Server> myServers = new ArrayList<Server>();
20            Server s1 = new Server("ekserver1", 200200);
21            Server s2 = new Server("ekserver2", 200200);
22            Server s3 = new Server("ekserver3", 200200);
23            myServers.add(s1);
24            myServers.add(s2);
25            myServers.add(s3);
26            loadBalancer.addServers(myServers);
27             //通过for循环多次请求服务器 
28            for (int i = 0; i < 10; i++) {
29                Server s = loadBalancer.chooseServer(null);
200                System.out.println(s.getHost() + ":" + s.getPort());
31            }
32        }
33    }

    在第12行的main函数里,我们 在第15行创建了IPing类型的myPing对象,并在第17行把这俩 对象倒入了负载均衡器。通过第18到第26行的代码,我们 创建了2个服务器,并把它们也倒入负载均衡器。

    在第28行的for循环里,我们 依然是请求并输出服务器名。可能这里的负载均衡器loadBalancer含有有了2个IPing类型的对象,过多过多过多过多在根据策略得到服务器后,会根据myPing里的isActive土妙招来判断该服务器算不算可用。

    可能在这俩 土妙招里,我们 定义了ekServer2这台服务器不可用,过多过多过多过多负载均衡器loadBalancer对象始终过多再把请求发送到该服务器上,但是多过多过多过多说,在输出结果中,我们 过多再看了“ekserver2:200200”的输出。

    从中我们 能看了IPing接口的一般用法,我们 需用通过重写其中的isAlive土妙招来定义“判断服务器算不算可用“的逻辑,在实际项目里,判断的土妙招无非是”服务器响应算不算时间过长“或”发往该服务器的请求数算不算过多“,而那些判断土妙招都封放到IRule接口以及它的实现类里,过多过多过多过多在一般的场景中我们 用到IPing接口。

4  预告&版权申明

     在本周的中间时间里,我将继续给出用Eureka+Ribbon高可用负载均衡架构的搭建土妙招。

     本文内容摘自人个写的专业书籍,转载时请共同引入该版权申明,请勿用于商业用途。