目录
前言
一.负载均衡的引入
1.1问题引入
1.2代码修改实现
二.负载均衡介绍
2.1实现负载均衡
2.2负载均衡策略
2.3LoadBalancer 原理
学习专栏：http://t.csdnimg.cn/tntwg
前言
在前面的Eureka当中，我们虽然实现了从注册中心中获取url，然后再与其他服务器进行交互！获取资源。
Eureka学习地址链接：http://t.csdnimg.cn/MPyJJ
一.负载均衡的引入
1.1问题引入
在SpringcloudEureka当中，我们学习到了如何获取，但是请问，如果有多台客户端同时请求这个数据呢？那我们又应该如何应对呢？
例子：我们可以进行多次访问TeacherService，全部访问同一个Teacher-service服务器，那么如何减轻他的负担呢？，方法：
虽然启动了多个实例，但是访问依然还是同一个机器，没有分担负荷！因此我们需要修改之前的代码！
1.2代码修改实现
@Service
public class StudentService {@AutowiredStudentMapper studentMapper;@AutowiredRestTemplate restTemplate;@Autowiredprivate DiscoveryClient discoveryClient;// 计时器private static AtomicInteger atomicInteger = new AtomicInteger(1);private static List<ServiceInstance> instances;@PostConstructpublic void init(){//根据应⽤名称获取服务列表instances = discoveryClient.getInstances("Teacher-service");}public StudentInfo getId(int id){StudentInfo studentInfo = studentMapper.getId(id);//每次都会自增！int index = atomicInteger.getAndIncrement() % instances.size();ServiceInstance instance = instances.get(index);String url = instance.getUri().toString()+"/Teacher/"+studentInfo.getClassroom();TeacherInfo teacherInfo = restTemplate.getForObject(url, TeacherInfo.class);studentInfo.setTeacherInfo(teacherInfo);return studentInfo;}
}
本次使用了计数器，将每次服务列表，轮播的进行负担，修改了Student-service的代码，让其每次访问不同的实例！分担压力。
二.负载均衡介绍
负载均衡，就是指在高并发时，也就是服务流量增大时，通常会使用增加机器的方式进行扩容，而负载均衡，就是让多台机器按照一定规则合理分配负载。
而实现负载均衡的有：SpringCloud LoadBalancer
2.1实现负载均衡
我们使用@LoadBalanced注解，修改的代码有：BeanConfig类以及StudentService类
BeanConfig类：
@Configuration
public class BeanConfig {@Bean@LoadBalancedpublic RestTemplate restTemplate(){return new RestTemplate();}
}
StudentService类：
@Service
public class StudentService {@AutowiredStudentMapper studentMapper;@AutowiredRestTemplate restTemplate;public StudentInfo getId(int id){StudentInfo studentInfo = studentMapper.getId(id);//一定和注册时的名字相同！String url = "http://Teacher-service/Teacher/"+studentInfo.getClassroom();TeacherInfo teacherInfo = restTemplate.getForObject(url, TeacherInfo.class);studentInfo.setTeacherInfo(teacherInfo);return studentInfo;}
}启动测试：
测试结果：
2.2负载均衡策略
负载均衡策略是⼀种思想, ⽆论是哪种负载均衡器, 它们的负载均衡策略都是相似的. Spring Cloud LoadBalancer 仅支持两种负载均衡策略: 轮询策略 和 随机策略
- 轮询策略：一种简单的负载均衡算法，其核心思想是依次按顺序将请求分配给每个服务实例，当所有实例都被轮询过一遍后，再次从第一个实例开始。
- 随机策略：将每个请求随机分配给服务实例，每个实例被选中的概率是相等的。
轮询的缺点：如果服务实例的性能不均衡，轮询算法无法根据实际负载情况进行调整，可能导致某些实例负载过高。
随机的缺点：其随机性质，无法保证每个实例接收到的请求数量是均匀的，可能导致一些实例负载较高或较低。
SpringCloud LoadBalancer默认使用 轮询策略
随机策略
如果想实现随机策略，使用自定义策略：创建一个新的Config层的LoadBalancerConfig类：
import org.springframework.cloud.client.ServiceInstance;
import org.springframework.cloud.loadbalancer.core.RandomLoadBalancer;
import org.springframework.cloud.loadbalancer.core.ReactorLoadBalancer;
import org.springframework.cloud.loadbalancer.core.ServiceInstanceListSupplier;
import org.springframework.cloud.loadbalancer.support.LoadBalancerClientFactory;
import org.springframework.context.annotation.Bean;
import org.springframework.core.env.Environment;public class CustomLoadBalancerConfiguration {@BeanReactorLoadBalancer<ServiceInstance> randomLoadBalancer(Environment environment,LoadBalancerClientFactory loadBalancerClientFactory) {String name = environment.getProperty(LoadBalancerClientFactory.PROPERTY_NAME);return new RandomLoadBalancer(loadBalancerClientFactory.getLazyProvider(name, ServiceInstanceListSupplier.class),name);}
}@LoadBalancerClient(name = "Teacher-service", configuration = RandomLoadBalancer.class)
@Configuration
public class BeanConfig {@Bean@LoadBalancedpublic RestTemplate restTemplate(){return new RestTemplate();}
}
- name: 负载均衡对哪个服务生效
- configuration：使用哪个负载均衡器
注：如果没有为 product-service 指定自定义的负载均衡配置类 (LoadBalancerConfig.class)，则 RestTemplate 默认会使用 Ribbon 提供的轮询（Round-Robin）策略来进行服务实例的选择和请求的负载均衡。
2.3LoadBalancer 原理
或许有人问，为什么我加一个注解@LoadBalanced就可以实现负载均衡呢？
原因：
- Ribbon：Spring Cloud Ribbon 是一个基于 HTTP 和 TCP 客户端的负载均衡器。当你在
RestTemplate上添加@LoadBalanced注解时，Spring Cloud Ribbon 会为RestTemplate创建一个动态代理，在发送请求前拦截请求，通过负载均衡算法选择合适的服务实例进行请求发送。 @LoadBalanced注解会为RestTemplate添加一个拦截器（interceptor），这个拦截器会在请求发送前根据 Ribbon 的负载均衡策略选择一个服务实例。Ribbon 默认的负载均衡策略是轮询（Round-Robin），但你也可以通过配置修改为其他策略，如随机、加权等。
和stream.reduce())
