微服务间相互调用的基础上，服务间的调用更多是以调用某多实例服务下的某个实例的形式。而这就需要用到负载均衡技术。对于开发者而言，只要通过@LoadBalance注解就开启了负载均衡。如此简单的操作底层究竟是什么样的，我想你也很想知道。

1.调用形式
在《SpringCloud集成Eureka并实现负载均衡》的基础之上，我们可以进行一个小小的实验，debug运行程序，通过postman发起一个请求，A服务会去远程调用B服务，debug发现发送的url为：http://user-service/user/1，毫无疑问的是，这就是A调用B的途径

同样地，拿到这个url我们去postman里发送请求：

发现请求无法发送出去，路径出了问题。观察路径中的参数user-service发现他是B服务的服务名称，那为什么在A服务里向B服务发送“服务名称-接口路径-参数”形式的请求就能够正常响应？
结合集成负载均衡的过程，这一定是Ribbon在发挥作用

2.LoadBalancerInterceptor
负载均衡的前提不是传递一个具体的url，肯定是Ribbon做了某种解析，通过服务名称得到了服务下的实例列表，从而拉取Eureka-Server中的服务注册表来将请求映射到指定的某个实例上。
结合曾经前后端分离的web开发经验，后端经常会在拦截器中拦截前端发来的请求来对请求做一些操作，比如校验、拼接、鉴权…调用方发送请求和接收方收到的请求并不一致，这其中会不会也是有一个类似于拦截器的东西拦截了请求，并且转换了请求呢？
答案是必然的，那是谁——LoadBalancerInterceptor

可以看到的是，他实现了ClientHttpRequestInterceptor接口，具体用法细节直接去看接口中声明的方法
直观的看出接口中声明了一个intercept()方法并且接受了HttpRequest参数来拦截了客户端的http请求，并且修改的请求体！这么一看URL更改的谜底就在此处揭晓了，那么方法底层具体是怎么实现的呢：

3.负载均衡流程分析
3.1 调用流程图
Debug源码之前先来看一下源码中的调用链路总体流程图（手图）：

概括来看则是：拦截请求—读取服务—拉取服务列表—选择规则—返回服务实例

3.2 intercept（）方法
下面我们开始Debug:
1.当发送请求使得服务间发生调用关系，调用请求会先传递到拦截器中的intercept方法，可以看到的是目前还和发送是保持一致

2.继续向下执行，开始解析请求，拿到了请求中的URI——通过getHost()方法拿到了主机地址（服务的名称）


3.3 execute（）方法
3.Ribbon开始做负载均衡处理

4.两次步入之后进入到execute（）方法内部，发现传递进来的服务名称作为服务Id进入到了getLoadBalance（）方法，并且得到了一个ILoadbalance接口对象，而在该对象中封装了很多的信息：

这里记住服务实例id的值：host.docker.internal:8084，这就是Eureka客户端接收到的实例信息

3.4 getServer()方法
5.接口对象作为参数传递到了getServer()方法,得到了一个server对象进入到方法内部。发现与此同时传递了一个Object类型的对象用于指定服务器的规则或条件，不过到目前为止，这个参数一直都是null作为传递，即loadBalancer.chooseServer（）方法采用的是‘default’的方式进行选择


3.4 子类的chooseServer（）方法
6.再次步入到chooseServer（）方法，发现是在一个名为BaseLoadBalancer类（这个类是负载均衡器的具体实现后面会具体分析）下重写的父类方法
此时：可以判断的是getLoadBalancerStats().getAvailableZones().size() <= 1为TRUE


3.5 getLoadBalancerStats().getAvailableZones().size() <= 1
对于表达式：getLoadBalancerStats().getAvailableZones().size() <= 1进行分析
发现在BaseLoadBalancer类中通过继承抽象类AbstractLoadBalancer并重写getLoadBalancerStats()抽象方法，获取到了一个loadbalancer统计信息集合LoadBalancerStats


而封装在LoadBalancerStats中的信息里有一个ConcurrentHashMap类型的集合属性，即

volatile Map<String, List<? extends Server>> upServerListZoneMap = new ConcurrentHashMap<String, List<? extends Server>>();
1
用于存储可用的服务列表，这个集合中的每个条目都代表一个区域，键是区域名称，值是该区域下可用服务器的列表。

后续的.getAvailableZones()方法则是获取这一属性值中所有的键，也就是可用的服务区域，并作为Set集合返回来进行判断

很显然，这里进一步论证getLoadBalancerStats().getAvailableZones().size() <= 1是为true的，后续就会去调用父类的chooseServer()方法

3.6 父类的chooseServer()方法
7.步入到父类的chooseServer()方法中，发现最后返回了一个Server类型的对象，这肯定就是具体的服务实例信息了。


3.7 IRule接口下的实例
去追踪rule变量，发现是一个IRule接口的实例，即为负载均衡提供规则的接口

并且此接口下有大量的规则实现，而默认的规则方式则为轮询调度：

可是看到上图在debug时，rule变量右侧灰色显示的是rule：RandomRule@12045这是因为我通过配置IRule类型的Bean指定了负载均衡的规则：

@Bean
public IRule randomRule() {
return new RandomRule();
}
1
2
3
4
只要把他注释掉，程序就会继续去采用默认的规则即RoundRobinRule

3.8 最终的choose()方法—return server
8.了解了IRule接口的rule实例，再去看他最终调用的choose()方法。同样地步入进去，由于是默认规则，则按照流程进入到了RoundRobinRule规则实现中的choose方法（其实IRule接口下的每一个规则实现类都有choose方法）

实现了ILoadBalancer接口的负载均衡器对象作为参数传递到了方法中，与此同时key为default。开始为随机选择预热。

3.9 choose()方法内部分析
9.进入到while循环中，不断选择服务器，直到找到一个可用的服务器。随后会判断线程是否中断，如果中断了，则直接返回null。

这样的情况出现频率还是很高，由此可见，这个小设计会减少很多不必要计算，提升了程序运行的效率。
而后这是分别获取两个服务列表
从列表中选择一个

兜底操作，对选择的做判断
最后成功返回Server实例给chooseServer（）方法，服务发起者发送http：//user-service/user请求通过Ribbon最后轮询到了localhost:8084服务实例上

4. 彩蛋
现在有很多公司都在用Nacos替换Eureka，因为感知服务列表的变化不够敏感，感知下线服务太过迟钝，就像下面这种情况：

服务实例已经下线，时间大约过了一分钟，却还是把下线的服务加载到了可用服务列表里（upList）,其实这并不怪Ribbon，都是Eureka的错
针对这种情况我们留个彩蛋,下次再来talk about~
————————————————
版权声明：本文为CSDN博主「懒羊羊.java」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_57535055/article/details/134449104

免责申明：

本文系转载，版权归原作者所有，如若侵权请联系我们进行删除！

《数据治理行业实践白皮书》下载地址：https://fs80.cn/4w2atu

《数栈V6.0产品白皮书》下载地址：https://fs80.cn/cw0iw1

想了解或咨询更多有关袋鼠云大数据产品、行业解决方案、客户案例的朋友，浏览袋鼠云官网：https://www.dtstack.com/?src=bbs

同时，欢迎对大数据开源项目有兴趣的同学加入「袋鼠云开源框架钉钉技术群」，交流最新开源技术信息，群号码：30537511，项目地址：https://github.com/DTStack