文章目录

• ​​一、前言​​
• ​​二、轮询算法 --> RoundRobinRule​​
• ​​三、重试算法 --> RetryRule​​

一、前言

前置Ribbon相关文章：

1. ​​【云原生&微服务一】SpringCloud之Ribbon实现负载均衡详细案例（集成Eureka、Ribbon）​​
2. ​​【云原生&微服务二】SpringCloud之Ribbon自定义负载均衡策略（含Ribbon核心API）​​
3. ​​【云原生&微服务三】SpringCloud之Ribbon是这样实现负载均衡的（源码剖析@LoadBalanced原理）​​
4. ​​【云原生&微服务四】SpringCloud之Ribbon和Erueka集成的细节全在这了（源码剖析）​​
5. ​​【微服务五】Ribbon随机负载均衡算法如何实现的​​

我们聊了以下问题：

1. 为什么给RestTemplate类上加上了@LoadBalanced注解就可以使用Ribbon的负载均衡？
2. SpringCloud是如何集成Ribbon的？
3. Ribbon如何作用到RestTemplate上的？
4. 如何获取到Ribbon的ILoadBalancer？
5. ZoneAwareLoadBalancer（属于ribbon）如何与eureka整合，通过eureka client获取到对应注册表?
6. ZoneAwareLoadBalancer如何持续从Eureka中获取最新的注册表信息?
7. 如何根据负载均衡器​​ILoadBalancer​​​从Eureka Client获取到的​​List<Server>​​中选出一个Server？
8. Ribbon如何发送网络HTTP请求？
9. Ribbon如何用IPing机制动态检查服务实例是否存活？
10. Ribbon负载均衡策略之随机(RandomRule)实现方式；

本文继续讨论 轮询(RoundRobinRule)、重试(RetryRule)是如何实现的？

PS：Ribbon依赖Spring Cloud版本信息如下：

<dependencyManagement>
    <dependencies>
        <dependency>
            <groupId>org.springframework.boot</groupId>
            <artifactId>spring-boot-dependencies</artifactId>
            <version>2.3.7.RELEASE</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
        <!--整合spring cloud-->
        <dependency>
            <groupId>org.springframework.cloud</groupId>
            <artifactId>spring-cloud-dependencies</artifactId>
            <version>Hoxton.SR8</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
        <!--整合spring cloud alibaba-->
        <dependency>
            <groupId>com.alibaba.cloud</groupId>
            <artifactId>spring-cloud-alibaba-dependencies</artifactId>
            <version>2.2.5.RELEASE</version>
            <type>pom</type>
            <scope>import</scope>
        </dependency>
    </dependencies>
</dependencyManagement>

二、轮询算法 --> RoundRobinRule

我们知道Ribbon负载均衡算法体现在IRule的choose(Object key)方法中，而choose(Object key)方法中又会调用​​choose(ILoadBalancer lb, Object key)​​​方法，所以我们只需要看各个IRule实现类的​​choose(ILoadBalancer lb, Object key)​​方法；

随机算法体现在RoundRobinRule#​​incrementAndGetModulo()​​方法：

private AtomicInteger nextServerCyclicCounter;

private int incrementAndGetModulo(int modulo) {
    // 死循环直到获取到一个索引下标
    for (;;) {
        // 获取当前AtomicInteger类型变量的原子值
        int current = nextServerCyclicCounter.get();
        // 当前原子值 + 1 然后对 服务实例个数取余
        int next = (current + 1) % modulo;
        // CAS修改AtomicInteger类型变量，CAS成功返回next，否则无限重试
        if (nextServerCyclicCounter.compareAndSet(current, next))
            return next;
    }
}

轮询算法很简单，重点在于通过AtomicInteger原子类型变量 + 死循环 CAS操作实现，每次返回​​原子类型变量的当前值 + 1​​​，因为原子类型变量可能超过服务实例数，所以每次对原子类型变量赋值时，都会对其和服务实例总数​​做取余运算​​。

三、重试算法 --> RetryRule

进入RetryRule的​​choose(ILoadBalancer lb, Object key)​​方法；

方法的核心逻辑：

1. 首先记录开始要选择一个服务实例时的时间（即：开始请求时间为当前时间），和允许获取到服务实例的deadline，​​deadline为当前时间 + 500ms​​；
2. 接着使用RetryRule组合的​​RoundRobinRule​​轮询选择一个服务实例；
3. 如果选择的服务实例为空并且当前时间还没到deadline 或 选择的服务实例不是活着的并且当前时间还没到deadline，则进行重试、重新获取一个服务实例；
4. 重试之前会先启动一个延时（deadline-当前时间）执行的定时任务，其中负责到deadline时中断当前线程；
5. 死循环（当前线程不是中断状态时），调用RoundRobin算法选择一个服务实例，如果这个服务实例是有效的 或 当前时间过了截止时间，则跳出循坏；并取消上面新建的延时执行的定时任务，返回当前实例；
6. 如果服务实例不是活着的并且当前时间在截止时间之内，则调用​​Thread.yield()​​​，让出线程资源，使当前线程 或 相同优先级的其他线程可以获取运行机会，也就是说​​yield的线程​​有可能被线程调度程序再次选中执行。

所以：RetryRule在subRule.choose(String)获得无效的服务实例后，会一直重试，但重试次数取决于​​重试的deadline​​​、​​当前线程相同优先级的其他线程个数​​。