SpringCloud Ribbon中的七种负载均衡策略

逃离我推掉我的手 2023-09-30 09:27 7阅读 0赞

![3140f7112db10631249053b63e0f0bfa.png][]

负载均衡通器常有两种实现手段，一种是服务端负载均衡器，另一种是客户端负载均衡器，而我们今天的主角 Ribbon 就属于后者——客户端负载均衡器。

服务端负载均衡器的问题是，它提供了更强的流量控制权，但无法满足不同的消费者希望使用不同负载均衡策略的需求，而使用不同负载均衡策略的场景确实是存在的，所以客户端负载均衡就提供了这种灵活性。然而客户端负载均衡也有其缺点，如果配置不当，可能会导致服务提供者出现热点，或者压根就拿不到任何服务的情况，所以我们本文就来了解一下这 7 种内置负载均衡策略的具体规则。

#### Ribbon 介绍 ####

Ribbon 是 Spring Cloud 技术栈中非常重要的基础框架，它为 Spring Cloud 提供了负载均衡的能力，比如 Fegin 和 OpenFegin 都是基于 Ribbon 实现的，就连 Nacos 中的负载均衡也使用了 Ribbon 框架。

Ribbon 框架的强大之处在于，它不仅内置了 7 种负载均衡策略，同时还支持用户自定义负载均衡策略，所以其开放性和便利性也是它得以流行的主要原因。

服务端负载均衡器和客户端负载均衡器的区别如下图所示：

![f69d50e620e79f6fbd2b253c19ccf518.png][]

客户端负载均衡器的实现原理是通过注册中心，如 Nacos，将可用的服务列表拉取到本地(客户端)，再通过客户端负载均衡器(设置的负载均衡策略)获取到某个服务器的具体 ip 和端口，然后再通过 Http 框架请求服务并得到结果，其执行流程如下图所示：

![f1feb6e9d75e1d284ce724f22c2b2ded.png][]

#### 负载均衡设置 ####

以 Nacos 中的 Ribbon 负载均衡设置为例，在配置文件 application.yml 中设置如下配置即可：

springcloud-nacos-provider: # nacos中的服务id
      ribbon:
        NFLoadBalancerRuleClassName: com.netflix.loadbalancer.RoundRobinRule #设置负载均衡策略

因为 Nacos 中已经内置了 Ribbon，所以在实际项目开发中无需再添加 Ribbon 依赖了，这一点我们在 Nacos 的依赖树中就可以看到，如下图所示：

![0a4789df978a0cd2baa90cc9bbfb71ff.png][]

Ribbon 默认的负载均衡策略是轮询模式，我们配置 3 个服务提供者的执行结果如下图所示：

![1848b5984301313c8191cc8aacbc90c0.gif][]

然后，我们再将 Ribbon 负载均衡策略设置为随机模式，配置内容如下：

springcloud-nacos-provider: # nacos中的服务id
      ribbon:
        NFLoadBalancerRuleClassName: com.netflix.loadbalancer.RandomRule #设置随机负载均衡

重启客户端，执行结果如下图所示：

![bf06591019147be6efc53d7e9421f3ea.gif][]

#### 七种负载均衡策略 ####

1、轮询策略

轮询策略：RoundRobinRule，按照一定的顺序依次调用服务实例。比如一共有 3 个服务，第一次调用服务 1，第二次调用服务 2，第三次调用服务3，依次类推。此策略的配置设置如下：

springcloud-nacos-provider: # nacos中的服务id
      ribbon:
        NFLoadBalancerRuleClassName: com.netflix.loadbalancer.RoundRobinRule #设置负载均衡

2、权重策略

权重策略：WeightedResponseTimeRule，根据每个服务提供者的响应时间分配一个权重，响应时间越长，权重越小，被选中的可能性也就越低。它的实现原理是，刚开始使用轮询策略并开启一个计时器，每一段时间收集一次所有服务提供者的平均响应时间，然后再给每个服务提供者附上一个权重，权重越高被选中的概率也越大。此策略的配置设置如下：

springcloud-nacos-provider: # nacos中的服务id
      ribbon:
        NFLoadBalancerRuleClassName: com.netflix.loadbalancer.WeightedResponseTimeRule

3、随机策略

随机策略：RandomRule，从服务提供者的列表中随机选择一个服务实例。此策略的配置设置如下：

springcloud-nacos-provider: # nacos中的服务id
      ribbon:
        NFLoadBalancerRuleClassName: com.netflix.loadbalancer.RandomRule #设置负载均衡

4、最小连接数策略

最小连接数策略：BestAvailableRule，也叫最小并发数策略，它是遍历服务提供者列表，选取连接数最小的⼀个服务实例。如果有相同的最小连接数，那么会调用轮询策略进行选取。此策略的配置设置如下：

springcloud-nacos-provider: # nacos中的服务id
      ribbon:
        NFLoadBalancerRuleClassName: com.netflix.loadbalancer.BestAvailableRule #设置负载均衡

5、重试策略

重试策略：RetryRule，按照轮询策略来获取服务，如果获取的服务实例为 null 或已经失效，则在指定的时间之内不断地进行重试来获取服务，如果超过指定时间依然没获取到服务实例则返回 null。此策略的配置设置如下：

ribbon:
      ConnectTimeout: 2000 # 请求连接的超时时间
      ReadTimeout: 5000 # 请求处理的超时时间
    springcloud-nacos-provider: # nacos 中的服务 id
      ribbon:
        NFLoadBalancerRuleClassName: com.netflix.loadbalancer.RandomRule #设置负载均衡

6、可用性敏感策略

可用敏感性策略：AvailabilityFilteringRule，先过滤掉非健康的服务实例，然后再选择连接数较小的服务实例。此策略的配置设置如下：

springcloud-nacos-provider: # nacos中的服务id
      ribbon:
        NFLoadBalancerRuleClassName: com.netflix.loadbalancer.AvailabilityFilteringRule

7、区域敏感策略

区域敏感策略：ZoneAvoidanceRule，根据服务所在区域(zone)的性能和服务的可用性来选择服务实例，在没有区域的环境下，该策略和轮询策略类似。此策略的配置设置如下：

springcloud-nacos-provider: # nacos中的服务id
      ribbon:
        NFLoadBalancerRuleClassName: com.netflix.loadbalancer.ZoneAvoidanceRule

#### 总结 ####

Ribbon 为客户端负载均衡器，相比于服务端负载均衡器的统一负载均衡策略来说，它提供了更多的灵活性。Ribbon 内置了 7 种负载均衡策略：轮询策略、权重策略、随机策略、最小连接数策略、重试策略、可用性敏感策略、区域性敏感策略，并且用户可以通过继承 RoundRibbonRule 来实现自定义负载均衡策略。

最新2021整理收集的一些高频面试题（都整理成文档），有很多干货，包含mysql，netty，spring，线程，spring cloud、jvm、源码、算法等详细讲解，也有详细的学习规划图，面试题整理等，需要获取这些内容的朋友点【关注】私信回复555即可免费领取！

感谢阅读

[3140f7112db10631249053b63e0f0bfa.png]: https://img-blog.csdnimg.cn/img_convert/3140f7112db10631249053b63e0f0bfa.png
[f69d50e620e79f6fbd2b253c19ccf518.png]: https://img-blog.csdnimg.cn/img_convert/f69d50e620e79f6fbd2b253c19ccf518.png
[f1feb6e9d75e1d284ce724f22c2b2ded.png]: https://img-blog.csdnimg.cn/img_convert/f1feb6e9d75e1d284ce724f22c2b2ded.png
[0a4789df978a0cd2baa90cc9bbfb71ff.png]: https://img-blog.csdnimg.cn/img_convert/0a4789df978a0cd2baa90cc9bbfb71ff.png
[1848b5984301313c8191cc8aacbc90c0.gif]: https://img-blog.csdnimg.cn/img_convert/1848b5984301313c8191cc8aacbc90c0.gif
[bf06591019147be6efc53d7e9421f3ea.gif]: https://img-blog.csdnimg.cn/img_convert/bf06591019147be6efc53d7e9421f3ea.gif