17. Dubbo原理解析-集群&容错之负载均衡
LoadBalance负载均衡， 负责从多个 Invokers当选出具体的1个Invoker用于本次调用，调用进程中包括了负载均衡的算法，调用失败后需要重新选择
LoadBalance接口定义
@SPI(RandomLoadBalance.NAME)
public interface LoadBalance{
@Adaptive("loadbalance")
<T> Invoker<T> select(List<Invoker<T>> invokers,URL url, Invocation invocation)throws RpcException;
}
类注解@SPI说明可以基于Dubbo的扩大机制进行自定义的负责均衡算法实现，默许是随机算法
方法注解@Adaptive说明能够生成设配方法
Select方法设配类通过url的参数选择具体的算法， 在从invokers集合中根据具体的算法选择1个invoker
1. RandomLoadBalance: 随机访问策略，按权重设置随机几率，是默许策略
1）获得所有invokers的个数
2）遍历所有Invokers, 获得计算每一个invokers的权重，并把权重累计加起来
每相邻的两个invoker比较他们的权重是不是1样，有1个不1样说明权重不均等
3）总权重大于零且权重不均等的情况下
按总权重获得随机数offset = random.netx(totalWeight);
遍历invokers肯定随机数offset落在哪一个片断(invoker上)
4）权重相同或总权重为0， 根据invokers个数均等选择
invokers.get(random.nextInt(length))
2. RoundRobinLoadBalance:轮询，按公约后的权重设置轮询比率
1）获得轮询key 服务名+方法名
获得可供调用的invokers个数length
设置最大权重的默许值maxWeight=0
设置最小权重的默许值minWeight=Integer.MAX_VALUE
2）遍历所有Inokers，比较出得出maxWeight和minWeight
3）如果权重是不1样的
根据key获得自增序列
自增序列加1与最大权重取模默许得到currentWeigth
遍历所有invokers挑选出大于currentWeight的invokers
设置可供调用的invokers的个数length
4）自增序列加1并与length取模，从invokers获得invoker
3. LeastActiveLoadBalance: 最少活跃调用数， 相同的活跃的随机选择，
活跃数是指调用前后的计数差， 使慢的提供者收到更少的要求，由于越慢的提供者前后的计数差越大。
活跃计数的功能消费者是在ActiveLimitFilter中设置的
4. 最少活跃的选择进程以下：
1）获得可调用invoker的总个数
初始化最小活跃数，相同最小活跃的个数
相同最小活跃数的下标数组
等等
2）遍历所有invokers， 获得每一个invoker的获得数active和权重
找出最小权重的invoker
如果有相同最小权重的inovkers， 将下标记录到数组leastIndexs[]数组中
累计所有的权重到totalWeight变量
3）如果invokers的权重不相等且totalWeight大于0
按总权重随机offsetWeight = random.nextInt(totalWeight)
计算随机值在哪一个片断上并返回invoker
4）如果invokers的权重相等或totalWeight等于0，均等随机
5. ConsistentHashLoadBalance:1致性hash, 相同参数的要求总是发到同1个提供者，当某1台提供者挂时，本来发往该提供者的要求，基于虚拟节点，平摊到其它提供者，不会引发剧烈变动。对1致性哈希算法介绍网上很多，这个给出1篇http://blog.csdn.net/sparkliang/article/details/5279393供参考，读者请自行浏览ConsistentashLoadBalance中对1致性哈希算法的实现，还是比较通俗易懂的这里不再