前言
先拋一個問題給我聰明的讀者，如果你們使用微服務SpringCloud-Netflix進行業務開發，那麼線上註冊中心肯定也是用了叢集部署，問題來了：
你瞭解Eureka註冊中心叢集如何實現客戶端請求負載及故障轉移嗎？
可以先思考一分鐘，我希望你能夠帶著問題來閱讀此篇文章，也希望你看完文章後會有所收穫！
背景
前段時間線上Sentry平臺報警，多個業務服務在和註冊中心互動時，例如續約和登錄檔增量拉取等都報了Request execution failed with message : Connection refused 的警告：
緊接著又看到 Request execution succeeded on retry #2 的日誌。
看到這裡，表明我們的服務在嘗試兩次重連後和註冊中心互動正常了。
一切都顯得那麼有驚無險，這裡報Connection refused 是註冊中心網路抖動導致的，接著觸發了我們服務的重連，重連成功後一切又恢復正常。
這次的報警雖然沒有對我們線上業務造成影響，並且也在第一時間恢復了正常，但作為一個愛思考的小火雞，我很好奇這背後的一系列邏輯：Eureka註冊中心叢集如何實現客戶端請求負載及故障轉移？
註冊中心叢集負載測試
線上註冊中心是由三臺機器組成的叢集，都是4c8g的配置，業務端配置註冊中心地址如下(這裡的peer來代替具體的ip地址)：
eureka.client.serviceUrl.defaultZone=http://peer1:8080/eureka/,http://peer2:8080/eureka/,http://peer3:8080/eureka/我們可以寫了一個Demo進行測試：
註冊中心叢集負載測試
1、本地通過修改EurekaServer服務的埠號來模擬註冊中心叢集部署，分別以8761和8762兩個埠進行啟動
2、啟動客戶端SeviceA，配置註冊中心地址為：http://localhost:8761/eureka,http://localhost:8762/eureka
3、啟動SeviceA時在傳送註冊請求的地方打斷點：AbstractJerseyEurekaHttpClient.register()，如下圖所示：
這裡看到請求註冊中心時，連線的是8761這個埠的服務。
4、更改ServiceA中註冊中心的配置：http://localhost:8762/eureka,http://localhost:8761/eureka
5、重新啟動SeviceA然後檢視埠，如下圖所示：
此時看到請求註冊中心是，連線的是8762這個埠的服務。
註冊中心故障轉移測試
以兩個埠分別啟動EurekaServer服務，再啟動一個客戶端ServiceA。啟動成功後，關閉一個8761埠對應的服務，檢視此時客戶端是否會自動遷移請求到8762埠對應的服務：
1、以8761和8762兩個埠號啟動EurekaServer
2、啟動ServiceA，配置註冊中心地址為：http://localhost:8761/eureka,http://localhost:8762/eureka
3、啟動成功後，關閉8761埠的EurekaServer
4、在EurekaClient端傳送心跳請求的地方打上斷點：AbstractJerseyEurekaHttpClient.sendHeartBeat()
5、檢視斷點處資料，第一次請求的EurekaServer是8761埠的服務，因為該服務已經關閉，所以返回的response是null
6、第二次會重新請求8762埠的服務，返回的response為狀態為200，故障轉移成功，如下圖：
思考
通過這兩個測試Demo，我以為EurekaClient每次都會取defaultZone配置的第一個host作為請求EurekaServer的請求的地址，如果該節點故障時，會自動切換配置中的下一個EurekaServer進行重新請求。
那麼疑問來了，EurekaClient每次請求真的是以配置的defaultZone配置的第一個服務節點作為請求的嗎？這似乎也太弱了！！？
EurekaServer叢集不就成了偽叢集！！？除了客戶端配置的第一個節點，其它註冊中心的節點都只能作為備份和故障轉移來使用！！？
真相是這樣嗎？NO！我們眼見也不一定為實，原始碼面前毫無祕密！
翠花，上乾貨！
客戶端請求負載原理
原理圖解
還是先上結論，負載原理如圖所示：
這裡會以EurekaClient端的IP作為隨機的種子，然後隨機打亂serverList，例如我們在商品服務(192.168.10.56)中配置的註冊中心叢集地址為：peer1,peer2,peer3，打亂後的地址可能變成peer3,peer2,peer1。
使用者服務(192.168.22.31)中配置的註冊中心叢集地址為：peer1,peer2,peer3，打亂後的地址可能變成peer2,peer1,peer3。
EurekaClient每次請求serverList中的第一個服務，從而達到負載的目的。
程式碼實現
我們直接看最底層負載程式碼的實現，具體程式碼在com.netflix.discovery.shared.resolver.ResolverUtils.randomize() 中：
這裡面random 是通過我們EurekaClient端的ipv4做為隨機的種子，生成一個重新排序的serverList，也就是對應程式碼中的randomList，所以每個EurekaClient獲取到的serverList順序可能不同，在使用過程中，取列表的第一個元素作為server端host，從而達到負載的目的。
思考
原來程式碼是通過EurekaClient的IP進行負載的，所以剛才通過DEMO程式結果就能解釋的通了，因為我們做實驗都是用的同一個IP，所以每次都是會訪問同一個Server節點。
既然說到了負載，這裡肯定會有另一個疑問：
通過IP進行的負載均衡，每次請求都會均勻分散到每一個Server節點嗎？
比如第一次訪問Peer1，第二次訪問Peer2，第三次訪問Peer3，第四次繼續訪問Peer1等，迴圈往復......
我們可以繼續做個試驗，假如我們有10000個EurekaClient節點，3個EurekaServer節點。
Client節點的IP區間為：192.168.0.0 ~ 192.168.255.255，這裡面共覆蓋6w多個ip段，測試程式碼如下：
/**
* 模擬註冊中心叢集負載，驗證負載雜湊演算法
*
* @author 一枝花算不算浪漫
* @date 2020/6/21 23:36
*/
public class EurekaClusterLoadBalanceTest {
public static void main(String[] args) {
testEurekaClusterBalance();
}
/**
* 模擬ip段測試註冊中心負載叢集
*/
private static void testEurekaClusterBalance() {
int ipLoopSize = 65000;
String ipFormat = "192.168.%s.%s";
TreeMap<String, Integer> ipMap = Maps.newTreeMap();
int netIndex = 0;
int lastIndex = 0;
for (int i = 0; i < ipLoopSize; i++) {
if (lastIndex == 256) {
netIndex += 1;
lastIndex = 0;
}
String ip = String.format(ipFormat, netIndex, lastIndex);
randomize(ip, ipMap);
System.out.println("IP: " + ip);
lastIndex += 1;
}
printIpResult(ipMap, ipLoopSize);
}
/**
* 模擬指定ip地址獲取對應註冊中心負載
*/
private static void randomize(String eurekaClientIp, TreeMap<String, Integer> ipMap) {
List<String> eurekaServerUrlList = Lists.newArrayList();
eurekaServerUrlList.add("http://peer1:8080/eureka/");
eurekaServerUrlList.add("http://peer2:8080/eureka/");
eurekaServerUrlList.add("http://peer3:8080/eureka/");
List<String> randomList = new ArrayList<>(eurekaServerUrlList);
Random random = new Random(eurekaClientIp.hashCode());
int last = randomList.size() - 1;
for (int i = 0; i < last; i++) {
int pos = random.nextInt(randomList.size() - i);
if (pos != i) {
Collections.swap(randomList, i, pos);
}
}
for (String eurekaHost : randomList) {
int ipCount = ipMap.get(eurekaHost) == null ? 0 : ipMap.get(eurekaHost);
ipMap.put(eurekaHost, ipCount + 1);
break;
}
}
private static void printIpResult(TreeMap<String, Integer> ipMap, int totalCount) {
for (Map.Entry<String, Integer> entry : ipMap.entrySet()) {
Integer count = entry.getValue();
BigDecimal rate = new BigDecimal(count).divide(new BigDecimal(totalCount), 2, BigDecimal.ROUND_HALF_UP);
System.out.println(entry.getKey() + ":" + count + ":" + rate.multiply(new BigDecimal(100)).setScale(0, BigDecimal.ROUND_HALF_UP) + "%");
}
}
}負載測試結果如下：
可以看到第二個機器會有50%的請求，最後一臺機器只有17%的請求，負載的情況並不是很均勻，我認為通過IP負載並不是一個好的方案。
還記得我們之前講過Ribbon預設的輪詢演算法RoundRobinRule，【一起學原始碼-微服務】Ribbon 原始碼四：進一步探究Ribbon的IRule和IPing 。
這種演算法就是一個很好的雜湊演算法，可以保證每次請求都很均勻，原理如下圖：
故障轉移原理
原理圖解
還是先上結論，如下圖：
我們的serverList按照client端的ip進行重排序後，每次都會請求第一個元素作為和Server端互動的host，如果請求失敗，會嘗試請求serverList列表中的第二個元素繼續請求，這次請求成功後，會將此次請求的host放到全域性的一個變數中儲存起來，下次client端再次請求 就會直接使用這個host。
這裡最多會重試請求兩次。
程式碼實現
直接看底層互動的程式碼，位置在com.netflix.discovery.shared.transport.decorator.RetryableEurekaHttpClient.execute() 中：
我們來分析下這個程式碼：
- 第101行，獲取
client上次成功server端的host，如果有值則直接使用這個host - 第105行，
getHostCandidates()是獲取client端配置的serverList資料，且通過ip進行重排序的列表 - 第114行，
candidateHosts.get(endpointIdx++)，初始endpointIdx=0，獲取列表中第1個元素作為host請求 - 第120行，獲取返回的
response結果，如果返回的狀態碼是200，則將此次請求的host設定到全域性的delegate變數中 - 第133行，執行到這裡說明第120行執行的
response返回的狀態碼不是200，也就是執行失敗，將全域性變數delegate中的資料清空 - 再次迴圈第一步，此時
endpointIdx=1，獲取列表中的第二個元素作為host請求 - 依次執行，第100行的迴圈條件
numberOfRetries=3，最多重試2次就會跳出迴圈
我們還可以第123和129行，這也正是我們業務丟擲來的日誌資訊，所有的一切都對應上了。
總結
感謝你看到這裡，相信你已經清楚了開頭提問的問題。
上面已經分析完了Eureka叢集下Client端請求時負載均衡的選擇以及叢集故障時自動重試請求的實現原理。
如果還有不懂的問題，可以新增我的微信或者給我公眾號留言，我會單獨和你討論交流。
本文首發自：一枝花算不算浪漫 公眾號，如若轉載請在文章開頭標明出處，如需開白可直接公眾號回覆即可。