本文主要是介绍dubbo源码分析第二十二篇一dubbo负载均衡-ConsistentHashLoadBalance及一致性hash算法，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

ConsistentHashLoadBalance

原理图

第一步: 基于网络地址hash构建虚拟一致性hash表

获取接口与方法名
每个方法构建一致性hash选择器
通过选择器选择一个Invoker

基于调用方法参数值hash获取hash结果

选择器选择Invoker的依据: 方法的参数值hash以及参与hash的方法参数数量
默认只有第一个参数的参数值参与hash

  protected <T> Invoker<T> doSelect(List<Invoker<T>> invokers, URL url, Invocation invocation) {
		获取接口与方法名
        String methodName = RpcUtils.getMethodName(invocation);
        String key = invokers.get(0).getUrl().getServiceKey() + "." + methodName;
        每一个方法一个一致性hash选择器
        int invokersHashCode = invokers.hashCode();
        ConsistentHashSelector<T> selector = (ConsistentHashSelector<T>) selectors.get(key);
        if (selector == null || selector.identityHashCode != invokersHashCode) {
            selectors.put(key, new ConsistentHashSelector<T>(invokers, methodName, invokersHashCode));
            selector = (ConsistentHashSelector<T>) selectors.get(key);
        }
        通过选择器选择一个Invoker
        return selector.select(invocation);
    }

获取一致性hash选择器

• 获取方法配置的结点数，默认160
• 获取需要进行hash的参数数组索引，默认对第一个参数进行hash
• 构建一致性hash表,大小为replicaNumber*Invoker数量

private static final class ConsistentHashSelector<T> {

        private final TreeMap<Long, Invoker<T>> virtualInvokers; // 一致性hash表 大小为replicaNumber*Invoker数量

        private final int replicaNumber;  // 副本数 默认160个

        private final int identityHashCode;
		
        private final int[] argumentIndex;// [0,1,2]几个参数参数参与hash 负载,默认只有第一个参数参与也就是数组为[0]

        ConsistentHashSelector(List<Invoker<T>> invokers, String methodName, int identityHashCode) {

            this.virtualInvokers = new TreeMap<Long, Invoker<T>>();
            // 生成调用结点HashCode
            this.identityHashCode = identityHashCode;
            URL url = invokers.get(0).getUrl();

            获取方法配置的结点数，默认160
            this.replicaNumber = url.getMethodParameter(methodName, HASH_NODES, 160);
            获取需要进行hash的参数数组索引，默认对第一个参数进行
            String methodParameter = url.getMethodParameter(methodName, HASH_ARGUMENTS, "0");
            String[] index = COMMA_SPLIT_PATTERN.split(methodParameter); // {'0'}
			构建参数hash的参数数组元信息
            argumentIndex = new int[index.length];
            for (int i = 0; i < index.length; i++) {
                argumentIndex[i] = Integer.parseInt(index[i]);
            }
			构建一致性hash表
            for (Invoker<T> invoker : invokers) { // 每个Invoker构建40*4个虚拟节点
                String address = invoker.getUrl().getAddress();
                for (int i = 0; i < replicaNumber / 4; i++) { // 每4个虚拟节点共用同一个地址进行hash
                    // byte数组 128位
                    byte[] digest = md5(address + i); // 简单理解: 有40个不同地址的节点 [有40个节点的hash 通过地址加index进行md5 hash]

                    for (int h = 0; h < 4; h++) { // 每个地址hash结果为128位,分成0~31 32——63 64~95 96~127四部分
                        long m = hash(digest, h); // 算出四部分每部分的hash值
                        virtualInvokers.put(m, invoker); // 加入一致性hash表[注意不是环]
                    }
                }
            }
        }

负载实现

• 根据前面配置的argumentIndex,判断取几个参数进行一致性hash
• 默认argumentIndex 大小为1,数组值为0;表示取第一个参数进行hash

 public Invoker<T> select(Invocation invocation) {
    根据前面配置的argumentIndex,判断取几个参数进行一致性hash
    String key = toKey(invocation.getArguments());
    byte[] digest = md5(key);
    return selectForKey(hash(digest, 0));
}

private String toKey(Object[] args) {
    默认argumentIndex 大小为1,数组值为0
    表示取第一个参数进行hash
    StringBuilder buf = new StringBuilder();
    for (int i : argumentIndex) {
        if (i >= 0 && i < args.length) {
            buf.append(args[i]);
        }
    }
    return buf.toString();
}

• 根据hash值取virtualInvokers一致性hash表上的节点
• 兜底逻辑: 溢出则取第一个

   private Invoker<T> selectForKey(long hash) {
            Map.Entry<Long, Invoker<T>> entry = virtualInvokers.ceilingEntry(hash);
            if (entry == null) {
                entry = virtualInvokers.firstEntry();
            }
            return entry.getValue();
        }

这篇关于dubbo源码分析第二十二篇一dubbo负载均衡-ConsistentHashLoadBalance及一致性hash算法的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！