Ribbon 体系架构解析
前面已经介绍了服务治理相关组件，接下来趁热打铁，快速通关Ribbon！前面我们了解了负载均衡的含义，以及客户端和服务端负载均衡模型，接下来我们就来看下SpringCloud 下的客户端负载均衡组件Ribbon 的特点以及工作模型。
负载均衡工具箱
《圣斗士星矢》是一部贯穿我童年的动画片，它讲述了五个怎么也打不死的人，把其他人全部都打死的过程（突然发现童年好无聊）。在这片子中，最厉害的装备叫做黄金圣衣，总共有 12 件，分别对应十二座。这十二件中最传奇，最特殊的当属天秤座黄金圣衣，和其他圣衣相比他有以下几个特点：
- 丰富的组件库 整套圣衣由 12 件兵器组成，不管你是煎炸烹炒，都有合适的 组件供你选择
- 给谁都能用 适配性好，跟谁都能搭配，片子里的五小强，谁拿都能用
在 SpringCloud 的世界观中，如果也要打造一件一模一样的天秤座圣衣，那一定是非Ribbon 莫属了，它也有一模一样的特点：
- 丰富的组件库 整套负载均衡由 7 个具体策略组成，不管你是什么特殊需求，都有合适的策略供你选择
- 给谁都能用 适配性好，跟谁都能搭配，SpringCloud 里的五小强（eureka，feign，gateway，zuul，hystrix），谁拿都能用。
- 更牛的是 Ribbon 可以脱离 SpringCloud 应用在一般项目中。
走近 Ribbon
刚才说到 Ribbon 给谁都能用，要不先让带头大哥 Eureka 试试？同学们注意了，红框白底 的是 Ribbon 自己的组件。
一个 HttpRequest 发过来，先被转发到 Eureka 上。此时 Eureka 仍然通过服务发现获取了 所有服务节点的物理地址，但问题是他不知道该调用哪一个，只好把请求转到了 Ribbon 手里。
IPingIPing 是 Ribbon 的一套healthcheck机制，故名思议，就是要Ping一下目标机器看是否还在线，一般情况下 IPing 并不会主动向服务节点发起healthcheck请求，Ribbon 后台通过静默处理返回 true 默认表示所有服务节点都处于存活状态（和 Eureka 集成的时候会检查服节点 UP 状态）。IRule这就是Ribbon的组件库了，各种负载均衡策略都继承自IRule接口。所有经过Ribbon的请求都会先请示IRule一把，找到负载均衡策略选定的目标机器，然后再把请求转发过去。
负载均衡策略-七种策略
RandomRule - 随性而为
从名字就能看出，这是个很随性的策略，随性到什么程度呢？它会从当前可用的服务节点中，随机挑选一个节点访问。这分明是乱拳打死老师傅的路子吗，哪有负载均衡的智慧？别急，这里为了打死老师傅还真用了两个小花招，使用了 yield+自旋的方式做重试，还采用了严格的防御性编程。
RoundRobinRule - 按部就班
这个 rule 是 RandomRule 的亲兄弟，RandomRule 是随性而为挑选节点，RobinRule 却按部就班从一个节点一步一步地向后选取节点，既不会跳过一个，也不会原地踏步，每一次只向后移动一步。
小伙伴也许会问了，假如在多线程环境下，两个请求同时访问这个 Rule 是否会读取到相同节点呢？不会，这靠的是 RandomRobinRule 底层的自旋锁+CAS 的同步操作。CAS 的全称是 compare and swap，是一种借助操作系统函数来实现的同步操作。前面我们讲到过Eureka 为了防止服务下线被重复调用，就使用 AtomicBoolean 的 CAS 方法做同步控制，CAS+自旋锁这套组合技是高并发下最廉价的线程安全手段，因为这套操作不需要锁定系统资源。当然了，有优点必然也有缺点，自旋锁如果迟迟不能释放，将会带来 CPU 资源的浪费，因为自旋本身并不会执行任何业务逻辑，而是单纯的使 CPU“ ”空转 。所以通常情况下会对自旋锁的旋转次数做一个限制，比如 JDK 中 synchronize 底层的锁升级策略，就对自旋次数做了动态调整。
// CAS+自旋锁获取系统资源的打开方式，真实应用中还要注意防止无休止自旋： // 或者 for (;😉 做自旋
while (true) {
// cas 操作
if (cas(expected, update)) {
// 业务逻辑代码
// break 或退出 return
}
}Netflix 真是特别喜欢用自旋 CAS，毕竟作为中间件来说性能还是非常重要的。不过我实在没明白为什么名字里带个 Robin，我猜想写代码的人或者他的宠物可能叫 Robin？就像Oracle 数据库有一个默认账号叫 scott 一样。
RetryRule - 卷土重来
RetryRule 是一个类似装饰器模式的 Rule，我们前面学习服务注册的时候了解过，装饰器相当于一层套一层的俄罗斯娃娃，每一层都会加上一层独特 BUFF，我们这里复习一下装饰器的结构.
RetryRule 也是同样的道理，他的 BUFF “ ”就是给其他负载均衡策略加上 重试 功能。而在RetryRule 里还藏着一个 subRule，这才是隐藏在下面的真正被执行的负载均衡策略，RetryRule 正是要为它添加重试功能（如果初始化时没指定 subRule，将默认使用RoundRibinRule）。
WeightedResponseTimeRule - 能者多
这个 Rule 继承自 RoundRibbonRule，他会根据服务节点的响应时间计算权重，响应时间越长权重就越低，响应越快则权重越高，权重的高低决定了机器被选中概率的高低。也就是说，响应时间越小的机器，被选中的概率越大。
由于服务器刚启动的时候，对各个服务节点采样不足，因此会采用轮询策略，当积累到一定的样本时候，会切换到 WeightedResponseTimeRule 模式。关于权重的计算方式，感兴趣的小伙伴可以看看Ribbon的源码实现。
BestAvailableRule - 让最闲的人来
应该说这个 Rule 有点智能的味道了，在过滤掉故障服务以后，它会基于过去 30 分钟的统计结果选取当前并发量最小的服务节点，也就是最 “闲” 的节点作为目标地址。如果统计结果尚未生成，则采用轮询的方式选定节点。
关键字
- 过滤故障服务
- 选取并发量最小的节点
AvailabilityFilteringRule - 我是有底线的
这个规则底层依赖 RandomRobinRule 来选取节点，但并非来者不拒，它也是有一些底线的，必须要满足它的最低要求的节点才会被选中。如果节点满足了要求，无论其响应时间或者当前并发量是什么，都会被选中。
每次 AvailabilityFilteringRule（简称 AFR）都会请求 RobinRule 挑选一个节点，然后对这个节点做以下两步检查：
- 是否处于熔断状态（熔断是 Hystrix 中的知识点，后面章节会讲到，这里大家可以把熔断当做服务不可用）
- 节点当前的 active 请求连接数超过阈值，超过了则表示节点目前太忙，不适合接客，如果被选中的 server 不幸挂掉了检查，那么 AFR 会自动重试（次数最多 10 次），让RobinRule 重新选择一个服务节点。
ZoneAvoidanceRule - 我的地盘我做主
这个过滤器包含了组合过滤条件，分别是 Zone 级别和可用性级别。
Zone Filter: 在 Eureka 注册中一个服务节点有 Zone, Region 和 URL 三个身 份信息，其中 Zone 可以理解为机房大区（未指定则由 Eureka 给定默认值）， 而这里会对这个 Zone 的健康情况过滤其下面所有服务节点。- 可用性过滤：这里和
AvailabilityFilteringRule的验证非常像，会过滤掉当 前并发量较大，或者处于熔断状态的服务节点。
本文已收录至我的个人网站：程序员波特，主要记录Java相关技术系列教程，共享电子书、Java学习路线、视频教程、简历模板和面试题等学习资源，让想要学习的你，不再迷茫。