1.概述
Ribbon是Netflix开源的一个客户端负载均衡库，也是Spring Cloud Netflix项目的核心组件之一。它主要用于在微服务架构中对服务进行负载均衡，以提高系统的可用性和性能。ribbon不是通信组件，而是服务调用者和通信组件之间的中间层，主要就是用来做负载均衡，选择出适合处理本次请求的服务节点。
现在整个spring cloud体系中的通信组件其实就是封装了负载均衡组件+HTTP通信组件，HTTP通信组件没什么好说的，就是用来发起HTTP请求的，市面上的HTTP通信组件也很多，诸如spring boot自带的RestTemplate，apache的Apache HttpClient等等。值得去探究一下的是负载均衡组件，其作为负载均很组件决定了请求的分发，可以说是整个通信组件的核心。
从Spring Cloud 2020.0版本开始，Spring Cloud官方已经将Ribbon标记为过时（deprecated），推荐使用Spring Cloud LoadBalancer作为替代方案。这样做是基于标准化的考虑，整个spring生态历来都是希望“包容万物”，所以社区自然不希望在负载均衡组件上直接就采用一个固定的实现，而是希望能让三方的解决方案可以平滑的接入、切换。
虽然ribbon以后不再是负载均衡组件的首选，但是作为最经典的负载均衡组件，其底层的一些思想仍然被后面的方案沿用，其实看明白ribbon的源码基本上也就明白负载均衡的原理了，万变不离其宗。
2.使用
2.1.引入
博主的上篇文章详细介绍了怎么使用eureka+通信组件来完成服务的注册、调用，其中也详细的介绍了ribbon的使用，可以移步：
详解Eureka服务注册和调用__BugMan的博客-CSDN博客
总的来说就是：
eureka集成了ribbon，导入eureka后不用单独导入ribbon，但是要注意的是一定要选对版本号，不要选到一个已经把ribbon移除的高版本，本文使用的依赖版本：
当然你也可以直接降级整个spring cloud的版本号，关于spring cloud版本号的问题，可以移步博主的另一篇文章，会有详细讲解：
详解Spring Cloud版本问题__BugMan的博客-CSDN博客
2.2.启用
引入依赖后在承载HTTP通信组件上开启负载均衡即可，此处以spring boot自带的RestTemplate为例，这样在每次客户端（消费者）发起http请求的时候都会在本端进行负载均衡运算后再进行服务访问。
2.3.切换负载均衡算法
负载均衡的核心接口Irule有多个实现类，每个实现类实现不同的负载均衡算法，
常用的有，轮询、随机、可获得、重试等几种：
RoundRobinRule，轮询
RandomRule，随机
AvailabilityFilteringRule，会过滤掉，跳闸，访问故障的服务，对剩下的进行轮询
RetryRule，会按照轮询获取服务，如果服务获取失败，则会在指定的时间内进行重试
需要切换的时候直接在@Configuration中注入@Bean即可：
3.负载均衡源码分析
3.1.接口
IRule接口：
- choose：选举出一个服务器
- get/setLoadBalancer：获取、修改均衡器
ILoadBalancer：
与服务器打交道，负责寻找、登记服务器
3.2.抽象类
AbstractLoadBalancer实现了Irule接口，重写了均衡器的get/set方法，只留下一个抽象方法——choose，待子类重写。
3.3.选择服务器
所有实现类都继承抽象类AbstractLoadBalancer。各自去重写choose方法，即各自实现不同的负载均衡规则（此处以ribbon默认的负载均衡规则，RoundRobinRule为例）：
choose方法即负载均衡策略，是各负载均衡类的核心方法（此处以ribbon默认的负载均衡规则，RoundRobinRule为例）：
均衡器会和注册中心交互，然后记录下当前整个系统中所有服务器的相关信息，包含服务器总数，可用总数等。
向均衡器所要服务器总数、服务器可用总数，然后根据这两个值进行运算，挑选出承载该此流量的服务器。
public Server choose(ILoadBalancer lb, Object key) { if (lb == null) { log.warn("no load balancer"); return null; } else { Server server = null; int count = 0; while(true) { if (server == null && count++ < 10) { List<Server> reachableServers = lb.getReachableServers(); List<Server> allServers = lb.getAllServers(); int upCount = reachableServers.size(); int serverCount = allServers.size(); if (upCount != 0 && serverCount != 0) { int nextServerIndex = this.incrementAndGetModulo(serverCount); server = (Server)allServers.get(nextServerIndex); if (server == null) { Thread.yield(); } else { if (server.isAlive() && server.isReadyToServe()) { return server; } server = null; } continue; } log.warn("No up servers available from load balancer: " + lb); return null; } if (count >= 10) { log.warn("No available alive servers after 10 tries from load balancer: " + lb); } return server; } } }
整个过程中封装服务器相关信息的Server类，其中有服务器的详细参数：
3.4.原子性
挑选过程中，为了保证原子性，使用了自旋锁（CAS），保证每次处理的只有一个访问线程，其余线程处于自选等待状态：
compareAndSet（期望值，修改值）
期望值，即版本号。
修改值，即要将版本号更新为的值。
判断期望值是否改变（前后是否相同），如果期望值未改变，则将期望值更新为修改值。
返回true，否则返回false。
4.自定义负载均衡算法
存在顶级接口并且可以切换负载均衡算法，那自然可以自定义负载均衡算法，以下是一个根据服务器权重进行负载均衡的一个负载均衡算法：
public class CustomWeightedRandomRule extends AbstractLoadBalancerRule { private AtomicInteger totalWeight = new AtomicInteger(0); @Override public Server choose(Object key) { ILoadBalancer lb = getLoadBalancer(); if (lb == null) { return null; } List<Server> allServers = lb.getAllServers(); int serverCount = allServers.size(); if (serverCount == 0) { return null; } int randomWeight = ThreadLocalRandom.current().nextInt(totalWeight.get()); int currentWeight = 0; for (Server server : allServers) { currentWeight += getWeight(server); if (randomWeight < currentWeight) { return server; } } // Fallback to the default server if no server is selected return super.choose(key); } private int getWeight(Server server) { // Return the weight of the server (custom logic) // Example: return server.getMetadata().getWeight(); return 1; // Default weight is 1 } @Override public void initWithNiwsConfig(IClientConfig clientConfig) { super.initWithNiwsConfig(clientConfig); // Calculate the total weight of all servers List<Server> allServers = getLoadBalancer().getAllServers(); totalWeight.set(allServers.stream().mapToInt(this::getWeight).sum()); } }
