客户端负载均衡Ribbon之三：AvailabilityFilteringRule的坑（Spring Cloud Finchley.SR2）

提示：扫一扫查出行
【扫一扫了解最新限行尾号】
复制提示

我们项目配置了AvailabilityFilteringRule作为所有Ribbon调用的负载均衡规则，它有那些坑呢（理解歧义和注意点）？

首先来看com.netflix.loadbalancer.AvailabilityFilteringRule.java源码，核心是choose方法：

public Server choose(Object key) {
int count = 0;
//通过轮询选择一个server
Server server = roundRobinRule.choose(key);
//尝试10次如果都不满足要求，就放弃，采用父类的choose
//这里为啥尝试10次？
//1. 轮询结果相互影响，可能导致某个请求每次调用轮询返回的都是同一个有问题的server
//2. 集群很大时，遍历整个集群判断效率低，我们假设集群中健康的实例要比不健康的多，如果10次找不到，就用父类的choose，这也是一种快速失败机制
while (count++ <= 10) {
if (predicate.apply(new PredicateKey(server))) {
return server;
}
server = roundRobinRule.choose(key);
}
return super.choose(key);
}

轮询是怎么轮询呢，为啥会相互影响？
来看下RoundRobinRule的源码

//多线程轮询算法
private int incrementAndGetModulo(int modulo) {
for (;;) {
//当前值
int current = nextServerCyclicCounter.get();
//新值，通过对于modulo（就是实例个数）取余
int next = (current + 1) % modulo;
//只有设置成功才返回
if (nextServerCyclicCounter.compareAndSet(current, next))
return next;
}
}public Server choose(ILoadBalancer lb, Object key) {
if (lb == null) {
log.warn("no load balancer");
return null;
} Server server = null;
int count = 0;
//这里也是10次，不遍历整个集群，防止一个请求执行过长时间在选server上，快速失败
while (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)) {
log.warn("No up servers available from load balancer: " + lb);
return null;
} int nextServerIndex = incrementAndGetModulo(serverCount);
server = allServers.get(nextServerIndex); if (server == null) {
/* Transient. */
Thread.yield();
continue;
}
//判断server状态
if (server.isAlive() && (server.isReadyToServe())) {
return (server);
} // Next.
server = null;
} if (count >= 10) {
log.warn("No available alive servers after 10 tries from load balancer: "
+ lb);
}
return server;
}

AvailabilityFilteringRule如何判断Server满足条件？

看下判断类AvailabilityPredicate的源码：

这里涉及两个配置：

public boolean apply(@Nullable PredicateKey input) {
LoadBalancerStats stats = getLBStats();
if (stats == null) {
return true;
}
//判断是否满足条件
return !shouldSkipServer(stats.getSingleServerStat(input.getServer()));
}private boolean shouldSkipServer(ServerStats stats) {
//niws.loadbalancer.availabilityFilteringRule.filterCircuitTripped是否为true
if ((CIRCUIT_BREAKER_FILTERING.get() &&
//该Server是否为断路状态
stats.isCircuitBreakerTripped())
//本机发往这个Server未处理完的请求个数是否大于Server实例最大的活跃连接数
|| stats.getActiveRequestsCount() >= activeConnectionsLimit.get()) {
return true;
}
return false;
}

Server是否为断路状态是如何判断的呢？
ServerStats源码，这里详细源码我们不贴了，说一下机制：

断路是通过时间判断实现的。每次失败记录上次失败时间。如果失败了触发判断是否断路的最小失败次数以上的次数，则判断：

计算断路持续时间：（2^失败次数）* 断路时间因子，如果大于最大断路时间，则取最大断路时间。
判断当前时间是否大于上次失败时间+短路持续时间，如果小于，则是断路状态
这里又涉及三个配置（这里需要将default替换成你调用的微服务名称）：

niws.loadbalancer.default.connectionFailureCountThreshold，默认为3，触发判断是否断路的最小失败次数，也就是，默认如果失败三次，就会判断是否要断路了。
niws.loadbalancer.default.circuitTripTimeoutFactorSeconds，默认为10，断路时间因子，
niws.loadbalancer.default.circuitTripMaxTimeoutSeconds，默认为30，最大断路时间

ServerStats如何更新呢？
首先是清空，根据我的另一系列文章对于Eureka源码和配置的分析，每次在ribbon从eureka本地定时重新拉取server列表时，就会清空。这个配置是：

#eureka客户端ribbon刷新时间
#默认30s
ribbon.ServerListRefreshInterval=1000

这里我们配置是1秒，也就是1秒内如果断路三次，就会触发断路判断。

然后是怎么增加断路次数？这里我们看调用这个方法的源码，有效调用里面都有一个判断：

if (lbContext.getRetryHandler().isCircuitTrippingException(throwable)) {
//调用增加断路次数
}

这个isCircuitTrippingException，对于默认的DefaultLoadBalancerRetryHandler就是判断是否为SocketException.class, SocketTimeoutException.class这两个异常。如果是，就会记录到断路次数

SocketException.class, SocketTimeoutException.class两个异常的坑与Ribbon连接超时时间
参考我另一篇文章，Ribbon对于SocketTimeOutException重试的坑以及重试代码解析，这里不要把Ribbon的连接超时设置太短，一般如下设置即可：

#ribbon连接超时
ribbon.ConnectTimeout=500