SpringCloud学习（六）服务注册中心理论与Ribbon负载均衡

2024-03-15 21:26:30

注册中心

（1）CAP理论

CAP理论关注粒度是数据，而不是整体系统设计的策略

Consistency（强一致性）
Availability（可用性）
Partition tolerance（分区容错性）

（2）CAP图

最多只能同时较好的满足两个。
CAP理论的核心是：一个分布式系统不可能同时很好的满足一致性，可用性和分区容错性这三个需求，
因此，根据 CAP 原理将 NoSQL 数据库分成了满足 CA 原则、满足 CP 原则和满足 AP 原则三大类：

CA - 单点集群，满足一致性，可用性的系统，通常在可扩展性上不太强大。
CP - 满足一致性，分区容忍必的系统，通常性能不是特别高。（Zookeeper、Consul）
AP - 满足可用性，分区容忍性的系统，通常可能对一致性要求低一些。（Euerka）

Ribbon负载均衡

（1）基础概念

Spring Cloud Ribbon是基于Netflix Ribbon实现的一套客户端负载均衡的工具。
简单的说，Ribbon是Netflix发布的开源项目，主要功能是提供客户端的软件负载均衡算法和服务调用。Ribbon客户端组件提供一系列完善的配置项如连接超时，重试等。简单的说，就是在配置文件中列出Load Balancer（简称LB）后面所有的机器，Ribbon会自动的帮助你基于某种规则（如简单轮询，随机连接等）去连接这些机器。我们很容易使用Ribbon实现自定义的负载均衡算法。
服务调用算法
- RoundRobinRule
  - 轮询
- RandomRule
  - 随机
- RetryRule
  - 先按照RoundRobinRule的策略获取服务，如果获取服务失败则在指定时间内会进行重试，获取可用的服务
- WeightedResponseTimeRule
  - 对RoundRobinRule的扩展，响应速度越快的实例选择权重越大，越容易被选择
- BestAvailableRule
  - 会先过滤掉由于多次访问故障而处于断路器跳闸状态的服务，然后选择一个并发量最小的服务
- AvailabilityFilteringRule
  - 先过滤掉故障实例，再选择并发较小的实例
- ZoneAvoidanceRule
  - 默认规则,复合判断server所在区域的性能和server的可用性选择服务器

（2）Ribbon的使用

1.pom文件

spring-cloud-starter-netflix-eureka-client 引入了Ribbon

2.RestTemplate的使用

https://docs.spring.io/spring-framework/docs/5.2.2.RELEASE/javadoc-api/org/springframework/web/client/RestTemplate.html

3.核心组件IRule

配置IRule

注意！官方文档明确给出了警告：
这个自定义配置类不能放在@ComponentScan所扫描的当前包下以及子包下，
否则我们自定义的这个配置类就会被所有的Ribbon客户端所共享，达不到特殊化定制的目的了。

创建MySelfRule类

/**
 * @auther zzyy
 * @create 2020-02-02 14:31
 */
@Configuration
public class MySelfRule
{
    @Bean
    public IRule myRule()
    {
        return new RandomRule();//定义为随机
    }
}

给主启动类添加==@RibbonClient==注解

@SpringBootApplication
@EnableEurekaClient
//使用自定义规则
@RibbonClient(name = "CLOUD-PAYMENT-SERVICE",configuration=MySelfRule.class)
public class OrderMain80
{
    public static void main(String[] args)
    {
        SpringApplication.run(OrderMain80.class,args);
    }
}

码农公寓