面试基础---Spring Cloud微服务负载均衡架构

深度解析Spring Cloud微服务负载均衡架构（Ribbon/Spring Cloud LoadBalancer）

一、微服务负载均衡核心架构图

二、Ribbon核心实现原理

2.1 Ribbon架构分层

2.2 核心源码解析

// 源码定位：ZoneAwareLoadBalancer.java
public Server chooseServer(Object key) {
    // 区域感知负载均衡逻辑
    if (!ENABLED.get() || getLoadBalancerStats().getAvailableZones().size() <= 1) {
        return super.chooseServer(key);
    }
    // 跨区域故障转移逻辑
    String zone = randomChooseZone();
    LoadBalancerStats zoneStats = getLoadBalancerStats().getZoneStats(zone);
    // 根据策略选择实例
    return zoneStats.getRule().choose(key);
}

核心组件实现：

1. ILoadBalancer：负载均衡器抽象（ZoneAwareLoadBalancer）
2. IRule：路由策略接口（RoundRobinRule/WeightedResponseTimeRule）
3. ServerList：服务列表动态更新机制

2.3 请求执行流程

// 源码定位：LoadBalancerContext.java
public URI reconstructURIWithServer(Server server, URI original) {
    String host = server.getHost();
    int port = server.getPort();
    String scheme = original.getScheme();
    
    if (host.equals(original.getHost()) 
        && port == original.getPort()
        && scheme == original.getScheme()) {
        return original;
    }
    return replaceHostAndPort(original, host, port);
}

三、Spring Cloud LoadBalancer深度剖析

3.1 响应式负载均衡架构

3.2 核心源码实现

// 源码定位：RoundRobinLoadBalancer.java
public Mono<Response<ServiceInstance>> choose(Request request) {
    return Mono.defer(() -> {
        List<ServiceInstance> instances = provider.get().getInstances(serviceId);
        // 原子计数器实现轮询
        int pos = Math.abs(instanceIndex.incrementAndGet() % instances.size());
        ServiceInstance instance = instances.get(pos);
        return Mono.just(new DefaultResponse(instance));
    });
}

核心特性：

1. 基于Project Reactor的响应式编程模型
2. 支持服务实例健康检查（HealthCheckServiceInstanceListSupplier）
3. 可插拔的负载均衡策略（RoundRobin/Weighted/自定义）

四、两大组件对比分析

五、互联网大厂最佳实践

5.1 灰度发布负载均衡策略

@Bean
public ServiceInstanceListSupplier grayReleaseSupplier(
        ConfigurableApplicationContext context) {
    return ServiceInstanceListSupplier.builder()
            .withDiscoveryClient()
            .withCaching()
            .withHealthChecks()
            .withSameInstancePreference() // 优先相同版本实例
            .build(context);
}

5.2 动态权重调整实现

public class DynamicWeightLoadBalancer implements ReactorServiceInstanceLoadBalancer {
    private final AtomicReference<Map<String, Integer>> weights = new AtomicReference<>();

    public Mono<Response<ServiceInstance>> choose(Request request) {
        return Mono.defer(() -> {
            List<ServiceInstance> instances = provider.get().getInstances(serviceId);
            // 根据动态权重选择实例
            return calculateWeightedInstance(instances);
        });
    }
    
    // 接收配置中心权重更新
    @NacosConfigListener(dataId = "instance_weights")
    public void updateWeights(String newWeights) {
        weights.set(JSON.parseObject(newWeights));
    }
}

5.3 性能优化配置

# 开启服务实例缓存
spring.cloud.loadbalancer.cache.enabled=true
spring.cloud.loadbalancer.cache.ttl=10s

# 熔断器集成配置
resilience4j.circuitbreaker.configs.default.failureRateThreshold=50

六、深度调试技巧

6.1 负载均衡决策日志

logging.level.org.springframework.cloud.loadbalancer=DEBUG
logging.level.com.netflix.loadbalancer=TRACE

6.2 请求追踪标记

@Bean
public LoadBalancerRequestTransformer transformer() {
    return (request, instance) -> {
        request.getHeaders().add("X-Instance-ID", instance.getInstanceId());
        return request;
    };
}

6.3 自定义指标监控

@Bean
public MeterRegistryCustomizer<MeterRegistry> metrics() {
    return registry -> {
        Timer.builder("loadbalancer.requests")
             .tag("service", "user-service")
             .register(registry);
    };
}

七、核心流程图总结

本文基于Spring Cloud 2022.0.3版本源码分析，完整实现方案及压测报告已通过内部系统归档。关注作者获取更多微服务架构深度解析。