2.1 RandomLoadBalance

RandomLoadBalance 是加权随机算法的具体实现，它的算法思想很简单。假设我们有一组服务器 servers = [A, B, C]，他们对应的权重为 weights = [5, 3, 2]，权重总和为10。现在把这些权重值平铺在一维坐标值上，[0, 5) 区间属于服务器 A，[5, 8) 区间属于服务器 B，[8, 10) 区间属于服务器 C。接下来通过随机数生成器生成一个范围在 [0, 10) 之间的随机数，然后计算这个随机数会落到哪个区间上。比如数字3会落到服务器 A 对应的区间上，此时返回服务器 A 即可。权重越大的机器，在坐标轴上对应的区间范围就越大，因此随机数生成器生成的数字就会有更大的概率落到此区间内。只要随机数生成器产生的随机数分布性很好，在经过多次选择后，每个服务器被选中的次数比例接近其权重比例。比如，经过一万次选择后，服务器 A 被选中的次数大约为5000次，服务器 B 被选中的次数约为3000次，服务器 C 被选中的次数约为2000次。

以上就是 RandomLoadBalance 背后的算法思想，比较简单。下面开始分析源码。

  1. public class RandomLoadBalance extends AbstractLoadBalance {
  3.     public static final String NAME = "random";
  5.     private final Random random = new Random();
  7.     @Override
  8.     protected <T> Invoker<T> doSelect(List<Invoker<T>> invokers, URL url, Invocation invocation) {
  9.         int length = invokers.size();
  10.         int totalWeight = 0;
  11.         boolean sameWeight = true;
  12.         // 下面这个循环有两个作用，第一是计算总权重 totalWeight，
  13.         // 第二是检测每个服务提供者的权重是否相同
  14.         for (int i = 0; i < length; i++) {
  15.             int weight = getWeight(invokers.get(i), invocation);
  16.             // 累加权重
  17.             totalWeight += weight;
  18.             // 检测当前服务提供者的权重与上一个服务提供者的权重是否相同，
  19.             // 不相同的话，则将 sameWeight 置为 false。
  20.             if (sameWeight && i > 0
  21.                     && weight != getWeight(invokers.get(i - 1), invocation)) {
  22.                 sameWeight = false;
  23.             }
  24.         }
  26.         // 下面的 if 分支主要用于获取随机数，并计算随机数落在哪个区间上
  27.         if (totalWeight > 0 && !sameWeight) {
  28.             // 随机获取一个 [0, totalWeight) 区间内的数字
  29.             int offset = random.nextInt(totalWeight);
  30.             // 循环让 offset 数减去服务提供者权重值，当 offset 小于0时，返回相应的 Invoker。
  31.             // 举例说明一下，我们有 servers = [A, B, C]，weights = [5, 3, 2]，offset = 7。
  32.             // 第一次循环，offset - 5 = 2 > 0，即 offset > 5，
  33.             // 表明其不会落在服务器 A 对应的区间上。
  34.             // 第二次循环，offset - 3 = -1 < 0，即 5 < offset < 8，
  35.             // 表明其会落在服务器 B 对应的区间上
  36.             for (int i = 0; i < length; i++) {
  37.                 // 让随机值 offset 减去权重值
  38.                 offset -= getWeight(invokers.get(i), invocation);
  39.                 if (offset < 0) {
  40.                     // 返回相应的 Invoker
  41.                     return invokers.get(i);
  42.                 }
  43.             }
  44.         }
  46.         // 如果所有服务提供者权重值相同，此时直接随机返回一个即可
  47.         return invokers.get(random.nextInt(length));
  48.     }
  49. }

RandomLoadBalance 的算法思想比较简单，在经过多次请求后，能够将调用请求按照权重值进行“均匀”分配。当然 RandomLoadBalance 也存在一定的缺点，当调用次数比较少时，Random 产生的随机数可能会比较集中，此时多数请求会落到同一台服务器上。这个缺点并不是很严重，多数情况下可以忽略。RandomLoadBalance 是一个简单，高效的负载均衡实现，因此 Dubbo 选择它作为缺省实现。

关于 RandomLoadBalance 就先到这了，接下来分析 LeastActiveLoadBalance。