一、负载均衡基础认知
1. 核心定义
负载均衡（Load Balance）：将客户端请求均匀分配到服务器集群，解决高并发访问问题，提升系统吞吐量与可用性。
2. 分类
- 软件负载均衡：Nginx、LVS、HAProxy
- 硬件负载均衡：F5、Array
3. 核心前提
所有算法基于服务器列表 ，通过规则筛选目标节点，支持权重配置适配不同服务器性能。
二、Dubbo 五大负载均衡算法详解
Dubbo 内置 5 种负载均衡策略，覆盖随机、轮询、哈希、实时负载场景，均支持加权优化分配效果。
1. 随机算法（RandomLoadBalance）
- 基础原理：生成随机数匹配服务器下标，请求量越大分配越均匀。
- 加权优化：按权重划分区间，随机数落在对应区间则选中节点，避免内存浪费。
- 适用场景：服务器性能相近、无状态服务。
2. 轮询算法（RoundRobinLoadBalance）
- 基础轮询：按服务器列表顺序依次分配，公平但不考虑性能差异。
- 加权轮询：按调用编号取余总权重，匹配权重区间选中节点。
- 缺陷：权重高的节点会连续处理请求，流量分布不均。
3. 平滑加权轮询（WeightRoundRobinV2）
- 核心设计 ：每个节点维护固定权重 weight +动态权重 currentWeight。
- 执行流程 ：
- 动态权重累加固定权重
- 选中动态权重最大节点
- 选中节点动态权重减去总权重
- 优势：流量平滑分散，避免集中请求，Dubbo 推荐加权轮询方案。
4. 一致性哈希（ConsistentHashLoadBalance）
- 核心原理 ：对请求参数/客户端 IP 哈希，映射到哈希环，固定请求命中固定节点。
- 虚拟节点：解决节点增减导致的流量倾斜问题，提升分配均匀性。
- 适用场景：有状态服务、缓存集群、需要会话保持的场景。
5. 最小活跃数（LeastActiveLoadBalance）
- 核心原理 ：优先分配给活跃调用数最小的节点（活跃数=正在处理的请求数）。
- 加权逻辑：多个节点活跃数相同时，按权重随机选择。
- 优势：感知服务器实时处理能力，性能优的节点优先承接请求。
三、Dubbo 服务调用全流程
1. 服务消费端执行逻辑
- Mock 层：MockClusterInvoker 执行 Mock 逻辑
- 集群路由：AbstractClusterInvoker 添加附件、路由筛选 Invoker
- 负载均衡：FailoverClusterInvoker 按策略选中目标 Invoker
- 过滤器链：执行 ConsumerContextFilter、MonitorFilter 等过滤器
- 异步转同步：AsyncToSyncInvoker 阻塞等待结果
- 网络发送：DubboInvoker 通过 Netty 异步发送请求，DefaultFuture 等待响应
2. 服务提供端执行逻辑
- 网络接收：NettyServerHandler 接收数据，心跳过滤
- 线程池调度：AllChannelHandler 封装任务提交线程池
- 请求解码：DecodeHandler 解析请求路径、方法、参数
- 过滤器链：执行 EchoFilter、ContextFilter、TimeoutFilter 等
- 服务执行：AbstractProxyInvoker 调用实际业务方法
- 结果返回：封装响应，通过 Netty 回传消费端
3. 核心线程模型
- 消费端：同步调用阻塞等待，异步调用非阻塞，基于 Netty 异步通信
- 提供端：AllChannelHandler 统一接收请求，线程池异步处理，提升并发能力
四、Dubbo 异常处理机制
- 异常传递：服务端异常捕获后封装为 AppResponse，消费端 recreate 方法重新抛出
- ExceptionFilter 兜底规则 ：
- 方法签名声明、JDK/Dubbo 自带异常、同包异常直接返回
- 未知异常包装为 RuntimeException 返回消费端
- 核心价值：保证异常可跨服务传递，避免消费端因缺少异常类导致报错。
五、核心总结
- 负载均衡 ：五大算法覆盖不同场景，平滑加权轮询、最小活跃数为生产主流
- 调用流程：消费端路由 → 负载均衡 → 过滤 → 网络发送；提供端接收 → 解码 → 过滤 → 执行
- 设计亮点：加权适配异构集群、平滑轮询优化流量、最小活跃数感知实时负载、异常跨服务传递