概述
负载均衡与集群容错
Invoker
在Dubbo中Invoker就是一个具有调用功能的对象，在服务提供端就是实际的服务实现，只是将服务实现封装起来变成一个Invoker。
在服务消费端，从注册中心得到服务提供者的信息之后，将一条条信息封装为Invoker，这个Invoker就具备了远程调用的能力。
综上，Dubbo就是创建了一个统一的模型，将可调用（可执行体）的服务对象都统一封装为Invoker。
而ClusterInvoker就是将多个服务引入的Invoker封装起来，对外统一暴露一个Invoker，并且赋予这些Invoker集群容错的功能。
服务目录
服务目录，即Directory，实际上它就是多个Invoker的集合，服务提供端一般都会集群分布，同样的服务会有多个提供者，因此需要一个服务目录来统一存放它们，需要调用服务的时候便从这个服务目录中进行挑选。
同时服务目录还是实现了NotifyListener接口，当集群中新增了一台服务提供者或者下线了一台服务提供者，目录都会对服务提供者进行更新，新增或者删除对应的Invoker。
从上图中，可以看到用了一个抽象类AbstractDirectory来实现 Directory接口，抽象类中运用到了模板方法模式，将一些公共方法和逻辑写好，作为一个骨架，然后具体实现由了两个子类来完成，两个子类分别为StaticDirectory和RegistryDirectory。
RegistryDirectory
RegistryDirectory实现了NotifyListener接口，可以监听注册中心的变化，当注册中心配置发生变化时，服务目录也可以收到变更通知，然后根据更新之后的配置刷新Invoker列表。
由此可知RegistryDirectory共有三个作用：
获取Invoker列表监听注册中心刷新Invoker列表
获取Invoker列表
RegistryDirectory实现了父类AbstractDirectory的抽象方法doList()，该方法可以得到Invoker列表
public List<Invoker<T>> doList(Invocation invocation) {
if (this.forbidden) {
throw new RpcException(....);
} else {
List<Invoker<T>> invokers = null;
Map<String, List<Invoker<T>>> localMethodInvokerMap = this.methodInvokerMap; //获取方法调用名和Invoker的映射表
if (localMethodInvokerMap != null && localMethodInvokerMap.size() > 0) {
String methodName = RpcUtils.getMethodName(invocation);
Object[] args = RpcUtils.getArguments(invocation);
//以下就是根据方法名和方法参数获取可调用的Invoker
if (args != null && args.length > 0 && args[0] != null && (args[0] instanceof String || args[0].getClass().isEnum())) {
invokers = (List)localMethodInvokerMap.get(methodName + "." + args[0]);
}
if (invokers == null) {
invokers = (List)localMethodInvokerMap.get(methodName);
}
if (invokers == null) {
invokers = (List)localMethodInvokerMap.get("*");
}
if (invokers == null) {
Iterator<List<Invoker<T>>> iterator = localMethodInvokerMap.values().iterator();
if (iterator.hasNext()) {
invokers = (List)iterator.next();
}
}
}
return (List)(invokers == null ? new ArrayList(0) : invokers);
}
}
监听注册中心
通过实现NotifyListener接口可以感知注册中心的数据变更。
RegistryDirectory定义了三个集合invokerUrls routerUrls configuratorUrls分别处理对应的配置然后转化成对象。
public synchronized void notify(List<URL> urls) {
List<URL> invokerUrls = new ArrayList();
List<URL> routerUrls = new ArrayList();
List<URL> configuratorUrls = new ArrayList();
Iterator i$ = urls.iterator();
while(true) {
while(true) {
while(i$.hasNext()) {
//....根据urls填充上述三个列表
}
if (configuratorUrls != null && !configuratorUrls.isEmpty()) {
this.configurators = toConfigurators(configuratorUrls); //根据urls转化为configurators配置
}
List localConfigurators;
if (routerUrls != null && !routerUrls.isEmpty()) {
localConfigurators = this.toRouters(routerUrls);
if (localConfigurators != null) {
this.setRouters(localConfigurators); //根据urls转化为routers配置
}
}
localConfigurators = this.configurators;
this.overrideDirectoryUrl = this.directoryUrl;
Configurator configurator;
if (localConfigurators != null && !localConfigurators.isEmpty()) {
for(Iterator i$ = localConfigurators.iterator(); i$.hasNext(); this.overrideDirectoryUrl = configurator.configure(this.overrideDirectoryUrl)) {
configurator = (Configurator)i$.next();
}
}
this.refreshInvoker(invokerUrls); //根据invokerUrls刷新invoker列表
return;
}
}
}
刷新Invoker列表
private void refreshInvoker(List<URL> invokerUrls) {
//如果invokerUrls只有一个URL并且协议是empty，那么清除所有invoker
if (invokerUrls != null && invokerUrls.size() == 1 && invokerUrls.get(0) != null && "empty".equals(((URL)invokerUrls.get(0)).getProtocol())) {
this.forbidden = true;
this.methodInvokerMap = null;
this.destroyAllInvokers();
} else {
this.forbidden = false;
Map<String, Invoker<T>> oldUrlInvokerMap = this.urlInvokerMap; //获取旧的Invoker列表
if (invokerUrls.isEmpty() && this.cachedInvokerUrls != null) {
invokerUrls.addAll(this.cachedInvokerUrls);
} else {
this.cachedInvokerUrls = new HashSet();
this.cachedInvokerUrls.addAll(invokerUrls);
}
if (invokerUrls.isEmpty()) {
return;
}
//根据URL生成InvokerMap
Map<String, Invoker<T>> newUrlInvokerMap = this.toInvokers(invokerUrls);
//根据新的InvokerMap生成方法名和Invoker列表对应的Map
Map<String, List<Invoker<T>>> newMethodInvokerMap = this.toMethodInvokers(newUrlInvokerMap);
if (newUrlInvokerMap == null || newUrlInvokerMap.size() == 0) {
logger.error(new IllegalStateException("urls to invokers error .invokerUrls.size :" + invokerUrls.size() + ", invoker.size :0. urls :" + invokerUrls.toString()));
return;
}
this.methodInvokerMap = this.multiGroup ? this.toMergeMethodInvokerMap(newMethodInvokerMap) : newMethodInvokerMap;
this.urlInvokerMap = newUrlInvokerMap;
try {
this.destroyUnusedInvokers(oldUrlInvokerMap, newUrlInvokerMap); //销毁无效的Invoker
} catch (Exception var6) {
logger.warn("destroyUnusedInvokers error. ", var6);
}
}
}
上述操作就是根据invokerUrls数量以及协议头是否为empty来判断是否禁用所有invokers，如果不禁用的话将invokerUrls转化为Invoker，并且得到<url,Invoker>的映射关系。
再进一步进行转化，得到<methodName,List>的映射关系，再将同一组的Invoker进行合并，将合并结果赋值给methodInvokerMap，这个methodInvokerMap就是在doList中使用到的Map。
最后刷新InvokerMap，销毁无效的Invoker。
StaticDirectory
StaticDirectory是静态目录，所有Invoker是固定的不会删减的，并且所有Invoker由构造器来传入。
内部逻辑也相当简单，只定义了一个列表用于存储Invokers。实现父类的方法也只是将这些Invokers原封不动地返回。
private final List<Invoker<T>> invokers;
protected List<Invoker<T>> doList(Invocation invocation) throws RpcException {
return this.invokers;
}
服务路由
服务路由规定了服务消费者可以调用哪些服务提供者，Dubbo常用的是条件路由ConditionRouter。
条件路由由两个条件组成，格式为[服务消费者匹配条件] => [服务提供者匹配条件]，例如172.26.29.15 => 172.27.19.89规定了只有IP为172.26.29.15的服务消费者才可以访问IP为172.27.19.89的服务提供者，不可以调用其他的服务。
路由一样是通过RegistryDirectory中的notify()更新的，在调用toMethodInvokers()的时候会进行服务器级别的路由和方法级别的路由。
Cluster
在前面的流程中我们已经通过Directory获取了服务目录，并且通过路由获取了一个或多个Invoker，但是对于服务消费者还是需要进行选择，筛选出一个Invoker进行调用。
Dubbo默认的Cluster实现有多种，如下：
FailoverClusterFailfastClusterFailsafeClusterFailbackClusterBroadcastClusterAvailableCluster
每个Cluster内部返回的都是xxxClusterInvoker，例如FailoverCluster：
public class FailoverCluster implements Cluster {
public static final String NAME = "failover";
public FailoverCluster() {
}
public <T> Invoker<T> join(Directory<T> directory) throws RpcException {
return new FailoverClusterInvoker(directory);
}
}
FailoverClusterInvoker
FailoverClusterInvoker实现的功能是失败调用(有重试次数)自动切换。
public Result doInvoke(Invocation invocation, List<Invoker<T>> invokers, LoadBalance loadbalance) throws RpcException {
List<Invoker<T>> copyinvokers = invokers;
this.checkInvokers(invokers, invocation);
//重试次数
int len = this.getUrl().getMethodParameter(invocation.getMethodName(), "retries", 2) + 1;
if (len <= 0) {
len = 1;
}
RpcException le = null;
List<Invoker<T>> invoked = new ArrayList(invokers.size());
Set<String> providers = new HashSet(len);
//根据重试次数循环调用
for(int i = 0; i < len; ++i) {
if (i > 0) {
this.checkWhetherDestroyed();
copyinvokers = this.list(invocation);
this.checkInvokers(copyinvokers, invocation);
}
//负载均衡筛选出一个Invoker作本次调用
Invoker<T> invoker = this.select(loadbalance, invocation, copyinvokers, invoked);
//将使用过的Invoker保存起来，下次重试时做过滤用
invoked.add(invoker);
//记录到上下文中
RpcContext.getContext().setInvokers(invoked);
try {
//发起调用
Result result = invoker.invoke(invocation);
if (le != null && logger.isWarnEnabled()) {
logger.warn("....");
}
Result var12 = result;
return var12;
} catch (RpcException var17) { //catch异常 继续下次循环重试
if (var17.isBiz()) {
throw var17;
}
le = var17;
} catch (Throwable var18) {
le = new RpcException(var18.getMessage(), var18);
} finally {
providers.add(invoker.getUrl().getAddress());
}
}
throw new RpcException(....);
}
上述方法中，首先获取重试次数len，根据重试次数进行循环调用，调用发生异常会被catch住，然后重新调用。
每次循环会通过负载均衡选出一个Invoker，然后利用这个Invoker进行远程调用，每次选出的Invoker会记录下来，在下次调用的select()中会将使用上次调用的Invoker进行重试，如果上一次没有调用或者上次调用的Invoker下线了，那么会重新进行负载均衡进行选择。
FailfastClusterInvoker
FailfastClusterInvoker只会进行一次远程调用，如果失败后立马抛出异常。
public Result doInvoke(Invocation invocation, List<Invoker<T>> invokers, LoadBalance loadbalance) throws RpcException {
this.checkInvokers(invokers, invocation);
Invoker invoker = this.select(loadbalance, invocation, invokers, (List)null); //负载均衡选择Invoker
try {
return invoker.invoke(invocation); //发起远程调用
} catch (Throwable var6) { //失败调用直接将错误抛出
if (var6 instanceof RpcException && ((RpcException)var6).isBiz()) {
throw (RpcException)var6;
} else {
throw new RpcException(....);
}
}
}
FailsafeClusterInvoker
FailsafeClusterInvoker是一种安全失败的cluster，调用发生错误仅仅是记录一下日志，然后就返回了空结果。
public Result doInvoke(Invocation invocation, List<Invoker<T>> invokers, LoadBalance loadbalance) throws RpcException {
try {
this.checkInvokers(invokers, invocation);
//负载均衡选出Invoker后直接进行调用
Invoker<T> invoker = this.select(loadbalance, invocation, invokers, (List)null);
return invoker.invoke(invocation);
} catch (Throwable var5) { //调用错误只是打印日志
logger.error("Failsafe ignore exception: " + var5.getMessage(), var5);
return new RpcResult();
}
}
FailbackClusterInvoker
FailbackClusterInvoker调用失败后，会记录下本次调用，然后返回一个空结果给服务消费者，并且会通过一个定时任务对失败的调用进行重试。适用于执行消息通知等最大努力场景。
protected Result doInvoke(Invocation invocation, List<Invoker<T>> invokers, LoadBalance loadbalance) throws RpcException {
try {
this.checkInvokers(invokers, invocation);
//负载均衡选出Invoker
Invoker<T> invoker = this.select(loadbalance, invocation, invokers, (List)null);
//执行调用，执行成功返回调用结果
return invoker.invoke(invocation);
} catch (Throwable var5) {
//调用失败
logger.error("....");
//记录下本次失败调用
this.addFailed(invocation, this);
//返回空结果
return new RpcResult();
}
}
private void addFailed(Invocation invocation, AbstractClusterInvoker<?> router) {
if (this.retryFuture == null) {
synchronized(this) {
//如果未创建重试本次调用的定时任务
if (this.retryFuture == null) {
//创建定时任务
this.retryFuture = this.scheduledExecutorService.scheduleWithFixedDelay(new Runnable() {
public void run() {
try {
//定时进行重试
FailbackClusterInvoker.this.retryFailed();
} catch (Throwable var2) {
FailbackClusterInvoker.logger.error("....", var2);
}
}
}, 5000L, 5000L, TimeUnit.MILLISECONDS);
}
}
}
//将invocation和router存入map
this.failed.put(invocation, router);
}
void retryFailed() {
if (this.failed.size() != 0) {
Iterator i$ = (new HashMap(this.failed)).entrySet().iterator();
while(i$.hasNext()) {
Entry<Invocation, AbstractClusterInvoker<?>> entry = (Entry)i$.next();
Invocation invocation = (Invocation)entry.getKey();
Invoker invoker = (Invoker)entry.getValue();
try {
//进行重试调用
invoker.invoke(invocation);
//调用成功未产生异常则移除本次失败调用的记录，销毁定时任务
this.failed.remove(invocation);
} catch (Throwable var6) {
logger.error("....", var6);
}
}
}
}
逻辑比较简单，大致就是当调用错误时返回空结果，并记录下本次失败调用到failed<invocation,router>中，并且会创建一个定时任务定时地去调用failed中记录的失败调用，如果调用成功了就从failed中移除这个调用。
ForkingClusterInvoker
ForkingClusterInvoker运行时，会将所有Invoker都放入线程池中并发调用，只要有一个Invoker调用成功了就返回结果，doInvoker方法立即停止运行。
适用于对实时性比较高的读写操作。
public Result doInvoke(final Invocation invocation, List<Invoker<T>> invokers, LoadBalance loadbalance) throws RpcException {
Result var19;
try {
this.checkInvokers(invokers, invocation);
int forks = this.getUrl().getParameter("forks", 2);
int timeout = this.getUrl().getParameter("timeout", 1000);
final Object selected;
if (forks > 0 && forks < invokers.size()) {
selected = new ArrayList();
for(int i = 0; i < forks; ++i) {
Invoker<T> invoker = this.select(loadbalance, invocation, invokers, (List)selected);
if (!((List)selected).contains(invoker)) {
//选择好的Invoker放入这个selected列表
((List)selected).add(invoker);
}
}
} else {
selected = invokers;
}
RpcContext.getContext().setInvokers((List)selected);
final AtomicInteger count = new AtomicInteger();
//阻塞队列
final BlockingQueue<Object> ref = new LinkedBlockingQueue();
Iterator i$ = ((List)selected).iterator();
while(i$.hasNext()) {
final Invoker<T> invoker = (Invoker)i$.next();
this.executor.execute(new Runnable() {
public void run() {
try {
Result result = invoker.invoke(invocation);
ref.offer(result);
} catch (Throwable var3) {
int value = count.incrementAndGet();
if (value >= ((List)selected).size()) { //等待所有调用都产生异常才入队
ref.offer(var3);
}
}
}
});
}
try {
//阻塞获取结果
Object ret = ref.poll((long)timeout, TimeUnit.MILLISECONDS);
if (ret instanceof Throwable) {
Throwable e = (Throwable)ret;
throw new RpcException(....);
}
var19 = (Result)ret;
} catch (InterruptedException var14) {
throw new RpcException(....);
}
} finally {
RpcContext.getContext().clearAttachments();
}
return var19;
}
BroadcastClusterInvoker
BroadcastClusterInvoker运行时会将所有Invoker逐个调用，在最后判断中如果有一个调用产生错误，则抛出异常。
适用于通知所有提供者更新缓存或日志等本地资源的场景。
public Result doInvoke(Invocation invocation, List<Invoker<T>> invokers, LoadBalance loadbalance) throws RpcException {
this.checkInvokers(invokers, invocation);
RpcContext.getContext().setInvokers(invokers);
RpcException exception = null;
Result result = null;
Iterator i$ = invokers.iterator();
while(i$.hasNext()) {
Invoker invoker = (Invoker)i$.next();
try {
result = invoker.invoke(invocation);
} catch (RpcException var9) {
exception = var9;
logger.warn(var9.getMessage(), var9);
} catch (Throwable var10) {
exception = new RpcException(var10.getMessage(), var10);
logger.warn(var10.getMessage(), var10);
}
}
//如果调用过程中发生过错误 抛出异常
if (exception != null) {
throw exception;
} else {
//返回调用结果
return result;
}
}
AbstractClusterInvoker
AbstractClusterInvoker是上述所有类的父类，内部结构较为简单。AvailableCluster内部返回结果就是AvailableClusterInvoker。
public class AvailableCluster implements Cluster {
public static final String NAME = "available";
public AvailableCluster() {
}
public <T> Invoker<T> join(Directory<T> directory) throws RpcException {
return new AbstractClusterInvoker<T>(directory) {
public Result doInvoke(Invocation invocation, List<Invoker<T>> invokers, LoadBalance loadbalance) throws RpcException {
Iterator i$ = invokers.iterator();
Invoker invoker;
do { //循环判断：哪个invoker能用就调用哪个
if (!i$.hasNext()) {
throw new RpcException("No provider available in " + invokers);
}
invoker = (Invoker)i$.next();
} while(!invoker.isAvailable());
return invoker.invoke(invocation);
}
};
}
}
小结
上述中有很多种集群的实现，各适用于不同的场景，加了Cluster这个中间层，向服务消费者屏蔽了集群调用的细节，并且支持不同场景使用不同的模式。
负载均衡
Dubbo中的负载均衡，即LoadBalance，服务提供者一般都是集群分布，所以需要Dubbo选择出合适的服务提供者来给服务消费者调用。
Dubbo中提供了多种负载均衡算法：
RandomLoadBalanceLeastActiveLoadBalanceConsistentHashLoadBalanceRoundRobinLoadBalance
AbstractLoadBalance
实现类都继承了于这个类，该类实现了LoadBalance，使用模板方法模式，将一些公用的逻辑封装好，而具体的实现由子类自定义。
public <T> Invoker<T> select(List<Invoker<T>> invokers, URL url, Invocation invocation) {
if (invokers != null && !invokers.isEmpty()) {
//子类实现
return invokers.size() == 1 ? (Invoker)invokers.get(0) : this.doSelect(invokers, url, invocation);
} else {
return null;
}
}
protected abstract <T> Invoker<T> doSelect(List<Invoker<T>> var1, URL var2, Invocation var3);
服务刚启动需要预热，不能突然让服务负载过高，需要进行服务的降权。
protected int getWeight(Invoker<?> invoker, Invocation invocation) {
int weight = invoker.getUrl().getMethodParameter(invocation.getMethodName(), "weight", 100); //获得权重
if (weight > 0) {
long timestamp = invoker.getUrl().getParameter("remote.timestamp", 0L); //启动时间
if (timestamp > 0L) {
int uptime = (int)(System.currentTimeMillis() - timestamp); //计算已启动时长
int warmup = invoker.getUrl().getParameter("warmup", 600000);
if (uptime > 0 && uptime < warmup) {
weight = calculateWarmupWeight(uptime, warmup, weight); //降权
}
}
}
return weight;
}
RandomLoadBalance
使用了加权随机算法，假设现在有三个节点A，B，C，然后赋予这几个节点一定权重，分别为1，2，3，那么可计算得到总权重为6，那么这几个节点被访问的可能性分别为1/6，2/6，3/6。
protected <T> Invoker<T> doSelect(List<Invoker<T>> invokers, URL url, Invocation invocation) {
int length = invokers.size(); //Invoker个数
int totalWeight = 0; //总权重
boolean sameWeight = true; //权重是否相同
int offset;
int i;
for(offset = 0; offset < length; ++offset) {
i = this.getWeight((Invoker)invokers.get(offset), invocation); //得到权重
totalWeight += i; //计算总权重
//是否权重都相同
if (sameWeight && offset > 0 && i != this.getWeight((Invoker)invokers.get(offset - 1), invocation)) {
sameWeight = false;
}
}
if (totalWeight > 0 && !sameWeight) {
offset = this.random.nextInt(totalWeight); //获得随机偏移量
//判断偏移量落在哪个片段上
for(i = 0; i < length; ++i) {
offset -= this.getWeight((Invoker)invokers.get(i), invocation);
if (offset < 0) {
return (Invoker)invokers.get(i);
}
}
}
return (Invoker)invokers.get(this.random.nextInt(length));
}
LeastActiveLoadBalance
最少活跃数负载均衡，接收一个请求后，请求活跃数+1，处理完一个请求后，请求活跃数-1，请求活跃数少既说明现在服务器压力小也说明该服务器处理请求快，没有堆积什么请求。
总的流程是先遍历Invokers列表，寻找当前请求活跃数最少的Invoker，如果有多个Invoker具有相同的最小请求活跃数，则根据他们的权重来进行筛选。
ConsistentHashLoadBalance
将服务器的IP等信息生成一个Hash值，将这个值映射到Hash圆环上作为某个节点，当查找节点时，通过一个Key来顺时针查找。
Dubbo还引入了160个虚拟节点，使得数据更加分散，避免请求积压在某个节点上。
并且Hash值是方法级别的，一个服务的每个方法都有一个ConsistentHashSelector，根据参数值来计算得出Hash值，
RoundRobinLoadBalance
加权轮询负载均衡，这种轮询是平滑的，假设A和B的权重为10:30，那么轮询的结果可能是A、B、B、A、A、B、B、B…，40次调用下来A调用了10次，B调用了30次。
总结
服务引入时，会将多个远程调用塞入Directory，然后通过Cluster来封装，同时根据需要提供各种容错功能，最终统一暴露一个Invoker给服务消费者，服务消费者调用的时候会从目录得到Invoker列表，经过路由的过滤以及负载均衡最终得到一个Invoker发起调用。
以上就是java开发Dubbo负载均衡与集群容错示例详解的详细内容，如有不足或错误欢迎指正。
更多关于Dubbo负载均衡与集群容错的资料请关注靠谱客其它相关文章！
最后
以上就是无情黑裤为你收集整理的java开发Dubbo负载均衡与集群容错示例详解的全部内容，希望文章能够帮你解决java开发Dubbo负载均衡与集群容错示例详解所遇到的程序开发问题。
如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。
发表评论 取消回复