【使用Zookeeper当作注册中心】自己定制负载均衡常见策略

一、前言

大伙肯定知道，在分布式开发中，目前使用较多的注册中心有以下几个：

1. Apache Zookeeper
2. Netflix Eureka
3. Alibaba Nacos

由于 Zookeeper 在面对高频次的服务注册和发现操作可能会一定的性能损耗等原因，搞得现在好多人都不用 Zookeeper 当做注册中心了。但它也提供了强一致性和高可靠性的特性，也没有被淘汰。

Zookeeper 本身并没有提供现成的服务发现功能，它更专注于分布式协调的能力。所以在使用 Zookeeper 作为注册中心时，需要自己在客户端实现服务的发现和负载均衡的逻辑。当然也可以去整合相关组件简化开发过程。

常见的负载均衡有以下三种：

1. 随机（random）策略
2. 轮询（round robin）策略
3. 哈希（hash）策略

下面的话以寻注册中心的服务地址的需求来去对三种策略进行实现。

// 这是对应的策略接口
public interface RouteHandle {// 参数1：服务地址集合// 参数2：对应的key，我这里使用的是userId，这个结合自身项目需求String routeServer(List<String> values, String key);}

随机（Random）策略的实现

/*** 随机的负载均衡*/
public class RandomHandle implements RouteHandle {@Overridepublic String routeServer(List<String> values, String key) {int size = values.size();if (size == 0) {throw new ApplicationException(UserErrorCode.SERVER_NOT_AVAILABLE);}// 去获取一个小于size的索引值// 你可以简单理解：随机整型数&sizeint index = ThreadLocalRandom.current().nextInt(size);return values.get(index);}
}

轮询（Round Robin）策略的实现

轮询策略即将请求次数和总的服务树取模，然后得出索引去得到服务信息。

/*** 轮询策略*/
public class LoopHandle implements RouteHandle {private AtomicLong index = new AtomicLong();@Overridepublic String routeServer(List<String> values, String key) {int size = values.size();if (size == 0) {throw new ApplicationException(UserErrorCode.SERVER_NOT_AVAILABLE);}Long l = index.incrementAndGet() % size;if (l < 0) {index.set(0L);l = 0L;}return values.get(l.intValue());}
}

哈希（Hash）策略

这里指的 Hash 策略一般指的是一次性 Hash 算法实现的策略。传统的 hash 在添加或删除一个节点的时候，会出现缓存失效，失效缓存比例为：m/(m+1)；传统hash一般是将资源的 hashcode % table.size()（服务数）得到节点索引然后将访问服务，这样的话当增加一个节点的时候，除了hashcode为1的时候其对应的服务不变其他都缓存失效（0就不算它了，近似的一个值吧）也就是近于缓存失效比例为 m/m+1。

传统的hash造成的缓存失效很容易就把服务给搞蹦了，因为有大量资源访问不到的请求嘛。

然后就有了一致性hash算法，它将映射集合规定为0~2^32-1的范围的环，首尾相连。

将节点放到（注册到）环中，然后根据资源的hash去顺时针寻其节点服务。

注意：当注册节点的时候，也有可能会出现hash偏斜问题，即节点都被放到了环的一边，使得资源大部分都使用的是俩边的节点，这个时候我们需要将每个服务节点设置一些虚拟节点注册到环上，这样的话每个服务节点近似均衡的分配给资源了。

这里参考的文献：

一致性hash算法讲解——Java实现

下面对 hash 策略进行实现，下面是使用 TreeMap 对一次性hash算法进行实现的，这是因为它底层是使用 红黑树 进行实现的，有序，且添加起来比起平衡二叉树这样的不用老左旋右旋。主要是因为有序，对闭环的顺时针有序选节点是一致的，所以用 TreeMap 实现它比较多。当然也可以自身定义策略去实现。

/*** 使用 TreeMap 实现一致性hash*/
public class TreeMapConsistentHash extends AbstractConsistentHash {private TreeMap<Long, String> treeMap = new TreeMap<>();private static final int NODE_SIZE = 2;  // 每个节点再注册虚拟节点的数量@Overrideprotected void add(long key, String value) {for (int i = 0; i < NODE_SIZE; i++) {treeMap.put(super.hash("node" + key + i), value);}treeMap.put(key, value);}@Overrideprotected String getFirstNodeValue(String value) {Long hash = super.hash(value);SortedMap<Long, String> last = treeMap.tailMap(hash);if(!last.isEmpty()){return last.get(last.firstKey());}if(treeMap.size() == 0){throw new ApplicationException(UserErrorCode.SERVER_NOT_AVAILABLE);}return treeMap.firstEntry().getValue();}@Overrideprotected void processBefore() {treeMap.clear(); // 清空是因为，可能出现添加或删除服务的现象}
}

重点就是 add 和 getFirstNodeValue 方法，至于父类其他方法的实现不影响理解这个策略。