java开发Dubbo负载均衡与集群容错示例详解

负载均衡与集群容错

Invoker

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。

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。

在这里插入图片描述

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StaticDirectoryRegistryDirectory

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invokerUrlsrouterUrlsconfiguratorUrls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

在这里插入图片描述

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

在这里插入图片描述

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其它相关文章!

以上是 java开发Dubbo负载均衡与集群容错示例详解 的全部内容, 来源链接: utcz.com/p/250724.html

回到顶部