为什么要用 Dubbo

远程通信背景

技术架构的发展从单体到分布式，是一种顺势而为的架构演进，也是一种被逼无奈的技术变革。架构的复杂度能够体现公司的业务的复杂度，也能从侧面体现公司的产品的发展势头是向上的。
和传统的单体架构相比，分布式多了一个远程服务之间的通信，不管是 SOA还是微服务，他们本质上都是对于业务服务的提炼和复用。那么远程服务之间的调用才是实现分布式的关键因素。
而在远程通信这个领域，其实有很多的技术，比如 Java 的 RMI、WebService、Hessian、Dubbo、Thrift 等 RPC 框架，现在我们接触得比较多的应该就是RPC 框架 Dubbo 以及应用协议 Http。其实每一个技术都是在某一个阶段产生它的价值，随着架构的变化以及需求的变化，技术的解决方案也在变。

大规模服务化对于服务治理的要求

当企业开始大规模的服务化以后，远程通信带来的弊端就越来越明显了,比如：

1. 服务链路变长了，如何实现对服务链路的跟踪和监控呢？
2. 服务的大规模集群使得服务之间需要依赖第三方注册中心来解决服务的发现和服务的感知问题
3. 服务通信之间的异常，需要有一种保护机制防止一个节点故障引发大规模
   的系统故障，所以要有容错机制
4. 服务大规模集群会是的客户端需要引入负载均衡机制实现请求分发

而这些对于服务治理的要求，传统的 RPC 技术在这样的场景中显得有点力不从心，因此很多企业开始研发自己的RPC框架，比如阿里的HSF、Dubbo；京东的 JSF 框架、当当的 dubbox、新浪的 motan、蚂蚁金服的 sofa 等等。
有技术输出能力的公司，都会研发适合自己场景的 rpc 框架，要么是从 0 到1 开发，要么是基于现有的思想结合公司业务特色进行改造。而没有技术输出能力的公司，遇到服务治理的需求时，会优先选择那些比较成熟的开源框架。
dubbo 主要是一个分布式服务治理解决方案，那么什么是服务治理？服务治理主要是针对大规模服务化以后，服务之间的路由、负载均衡、容错机制、服务降级这些问题的解决方案，而 Dubbo 实现的不仅仅是远程服务通信，并且还解决了服务路由、负载、降级、容错等功能。

Dubbo 的发展历史

Dubbo 是阿里巴巴内部使用的一个分布式服务治理框架，2012 年开源，因为 Dubbo 在公司内部经过了很多的验证相对来说比较成熟，所以在很短的的还是件就被很多互联网公司使用，再加上阿里出来的很多技术大牛进入各个创业公司担任技术架构以后，都以 Dubbo 作为主推的 RPC 框架使得dubbo 很快成为了很多互联网公司的首要选择。并且很多公司在应用dubbo 时，会基于自身业务特性进行优化和改进，所以也衍生了很多版本，比如京东的 JSF、比如新浪的 Motan、比如当当的 dubbox。
在 2014 年 10 月份，Dubbo 停止了维护。后来在 2017 年的 9 月份，阿里布重启 Dubbo，并且对于 Dubbo 做好了长期投入的准备，并且在这段时Dubbo 进行了非常多的更新，目前的版本已经到了 2.7。
2018 年 1 月 8 日，Dubbo 创始人之一梁飞在 Dubbo 交流群里透露了 Dubbo 3.0 正在动工的消息。Dubbo 3.0 内核与 Dubbo2.0 完全不同，但兼容 Dubbo 2.0。Dubbo 3.0 将支持可选 Service Mesh。
2018 年 2 月份，Dubbo 捐给了 Apache。另外，阿里巴巴对于 Spring Cloud Alibaba 生态的完善，以及 Spring Cloud 团队对于 alibaba 整个服务治理生态的支持，所以 Dubbo 未来依然是国内绝大部分公司的首要选择。

本章节主要讲解功能和新特性，源码分析将在后续文章分析

负载均衡

Dubbo 里面默认就集成了负载均衡的算法和实现，默认提供了 4 中负载均衡实现。
可以在服务端配置，也可以在客户端配置。
如果是基于注解，配置如下

@Service(loadbalance = "roundrobin")
public class HelloServiceImpl implements IHelloService{

或者

@Reference(loadbalance = "random")
IHelloService helloService;

其中@Service 是dubbo包下的注解，不是spring

Dubbo 负载均衡算法

RandomLoadBalance

权重随机算法，根据权重值进行随机负载
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

LeastActiveLoadBalance

最少活跃调用数算法，活跃调用数越小，表明该服务提供者效率越高，单位时间内可处理更多的请求这个是比较科学的负载均衡算法。
每个服务提供者对应一个活跃数 active。初始情况下，所有服务提供者活跃数均为 0。
每收到一个请求，活跃数加 1，完成请求后则将活跃数减 1。在服务运行一段时间后，性能好的服务提供者处理请求的速度更快，因此活跃数下降的也越快，此时这样的服务提供者能够优先获取到新的服务请求。

ConsistentHashLoadBalance

hash 一致性算法，相同参数的请求总是发到同一提供者当某一台提供者挂时，原本发往该提供者的请求，基于虚拟节点，平摊到其它提供者，不会引起剧烈变动

RoundRobinLoadBalance

加权轮询算法
所谓轮询是指将请求轮流分配给每台服务器。举个例子，我们有三台服务器 A、B、C。
我们将第一个请求分配给服务器 A，第二个请求分配给服务器 B，第三个请求分配给服务器 C，第四个请求再次分配给服务器 A。这个过程就叫做轮询。轮询是一种无状态负载均衡算法，实现简单，适用于每台服务器性能相近的场景下。但现实情况下，我们并不能保证每台服务器性能均相近。如果我们将等量的请求分配给性能较差的服务器，这显然是不合理的。因此，这个时候我们需要对轮询过程进行加权，以调控每台服务器的负载。经过加权后，每台服务器能够得到的请求数比例，接近或等于他们的权重比。比如服务器 A、B、C 权重比为 5:2:1。那么在 8 次请求中，服务器 A 将收到其中的 5 次请求，服务器 B 会收到其中的 2 次请求，服务器 C 则收到其中的 1次请求

集群容错

在分布式网络通信中，容错能力是必须要具备的，什么叫容错呢？ 从字面意思来看：
容：是容忍， 错：是错误。 就是容忍错误的能力。
我们知道网络通信会有很多不确定因素，比如网络延迟、网络中断、服务异常等，会造成当前这次请求出现失败。当服务通信出现这个问题时，需要采取一定的措施应对。
而 dubbo 中提供了容错机制来优雅处理这种错误在集群调用失败时，Dubbo 提供了多种容错方案，缺省为 failover 重试。

@Service(loadbalance = "random", cluster = "failsafe")

1.Failover Cluster

失败自动切换，当出现失败，重试其它服务器。(缺省)
通常用于读操作，但重试会带来更长延迟。
可通过 retries="2" 来设置重试次数(不含第一次)。

2.Failfast Cluster

快速失败，只发起一次调用，失败立即报错。
通常用于非幂等性的写操作，比如新增记录。

3.Failsafe Cluster

失败安全，出现异常时，直接忽略。
通常用于写入审计日志等操作。

4.Failback Cluster

失败自动恢复，后台记录失败请求，定时重发。
通常用于消息通知操作。

5.Forking Cluster

并行调用多个服务器，只要一个成功即返回。
通常用于实时性要求较高的读操作，但需要浪费更多服务资源。
可通过 forks="2" 来设置最大并行数。

6.Broadcast Cluster

广播调用所有提供者，逐个调用，任意一台报错则报错。(2.1.0 开始支持)
通常用于通知所有提供者更新缓存或日志等本地资源信息。

在实际应用中 查询语句容错策略建议使用默认 Failover Cluster ，而增删改 建议使用Failfast Cluster 或者 使用 Failover Cluster（retries=”0”） 策略 防止出现数据 重复添加等等其它问题！建议在设计接口时候把查询接口方法单独做一个接口提供查询。

服务降级

当某个非关键服务出现错误时，可以通过降级功能来临时屏蔽这个服务。降级可以有几个层面的分类： 自动降级和人工降级； 按照功能可以分为：读服务降级和写服务降级；

1. 对一些非核心服务进行人工降级，在大促之前通过降级开关关闭哪些推荐内容、评价等对主流程没有影响的功能
2. 故障降级，比如调用的远程服务挂了，网络故障、或者 RPC 服务返回异常。 那么可以直接降级，降级的方案比如设置默认值、采用兜底数据（系统推荐的行为广告挂了，可以提前准备静态页面做返回）等等
3. 限流降级，在秒杀这种流量比较集中并且流量特别大的情况下，因为突发访问量特别大可能会导致系统支撑不了。这个时候可以采用限流来限制访问量。当达到阀值时，后续的请求被降级，比如进入排队页面，比如跳转到错误页（活动太火爆，稍后重试等）

那么，Dubbo 中如何实现服务降级呢？Dubbo 中提供了一个 mock 的配置，可以通过mock 来实现当服务提供方出现网络异常或者挂掉以后，客户端不抛出异常，而是通Mock 数据返回自定义的数据

Dubbo 实现服务降级

在 dubbo-client 端创建一个 mock 类，当出现服务降级时，会被调用

public class MockSayHelloService implements IHelloService {
   @Override
   public String sayHello() {
       return "Sorry, 服务端发生异常，被降级啦！";
   }
}

修改客户端的注解，增加 mock 配置，以及修改 timeout=1， 表示本次调用的超时时间是 1 毫秒，这样可以模拟出失败的场景
需要配置 cluster=failfast，否则因为默认是 failover 导致客户端会发起 3 次重试，等待的时间比较长

  @Reference(
            loadbalance = "random",
            mock = "com.wei.dubbomock.MockSayHelloService",
            timeout = 1000,
            cluster = "failfast")
    IHelloService helloService;

这样配置，如果调用超时，就会走MockSayHelloService的sayHello方法，不超时就走正常接口的sayHello方法，这个功能在某些场景下还是比较好用的

启动时检查

Dubbo 缺省会在启动时检查依赖的服务是否可用，不可用时会抛出异常，阻止 Spring 初始化完成，以便上线时，能及早发现问题，默认 check="true"。
可以通过 check="false" 关闭检查，比如，测试时，有些服务不关心，或者出现了循环依赖，必须有一方先启动。
registry、reference、consumer 都可以配置 check 这个属性.

    @Reference(
            loadbalance = "random",
            mock = "com.wei.dubbomock.MockSayHelloService",
            timeout = 1000,
            cluster = "failfast",
            check = false)
    IHelloService helloService;

多版本支持

当一个接口实现，出现不兼容升级时，可以用版本号过渡，版本号不同的服务相互间不引用。
可以按照以下的步骤进行版本迁移：

1. 在低压力时间段，先升级一半提供者为新版本
2. 再将所有消费者升级为新版本
3. 然后将剩下的一半提供者升级为新版本

主机绑定

默认的主机绑定方式

1. 通过 LocalHost.getLocalHost()获取本机地址
2. 如果是 127.*等 loopback（环路地址）地址，则扫描各网卡，获取网卡 IP。
   如果是 springboot，修改配置：dubbo.protocol.host=””
   如果注册地址获取不正确，可以通过在 dubbo.xml 中加入主机地址的配置

<dubbo:protocol host="ip地址">

像我们公司之前会有出现本地开发机连不上测试环境dubbo 服务的情况，原因是dubbo注册的地址为测试环境内网IP，也可以修改etc/hosts 文件来修改

缺省主机端口

dubbo: 20880
rmi: 1099
http: 80
hessian: 80
webservice: 80
memcached: 11211
redis: 6379

Dubbo 新的功能

动态配置规则

动态配置是 Dubbo2.7 版本引入的一个新的功能，简单来说，就是把 dubbo.properties中的属性进行集中式存储，存储在其他的服务器上。
那么如果需要用到集中式存储，那么还需要一些配置中心的组件来支撑。
目前 Dubbo 能支持的配置中心有：apollo、nacos、zookeeper

其实，从另外一个角度来看，我们之前用 zookeeper 实现服务注册和发现，本质上就是使用 zookeeper 实现了配置中心，这个配置中心只是维护了服务注册和服务感知的功能。在 2.7 版本中，dubbo 对配置中心做了延展，出了服务注册之外，还可以把其他的数据存储在 zookeeper 上，从而更好的进行维护

在 dubboadmin 添加配置

应用名称可以是 global，或者对应当前服务的应用名，如果是 global 表示全局配置，针对所有应用可见配置的内容，实际就是 dubbo.properties 中配置的基本信息。只是统一存储在了zookeeper 上

image.png

本地的配置文件添加配置中心

在 application.properties 中添加配置中心的配置项，app-name 对应的是上一步创建
的配置项中的应用名.

dubbo.config-center.address=zookeeper://192.168.1.12:2181 
dubbo.config-center.app-name=spring-boot-provider

需要注意的是，存在于配置中心上的配置项，本地仍然需要配置一份。所以下面这些配置一定要加上。否则启动不了。这样做的目的是保证可靠性

dubbo.application.name=springboot-dubbo 
dubbo.protocol.port=20880 
dubbo.protocol.name=dubbo 
dubbo.registry.address=zookeeper://192.168.1.12:2181?backup=192.168.1.13:2181,192.168.1.14:2181

配置的优先级

引入配置中心后，配置的优先级就需要关注了，默认情况下，外部配置的优先级最高，也就是意味着配置中心上的配置会覆盖本地的配置。当然我们也可以调整优先级

dubbo.config-center.highest-priority=false

配置中心的原理

默认所有的配置都存储在/dubbo/config 节点，具体节点结构图如下

image.png

• namespace，用于不同配置的环境隔离。
• config，Dubbo 约定的固定节点，不可更改，所有配置和服务治理规则都存储在此节点下。
• dubbo/application，分别用来隔离全局配置、应用级别配置：dubbo 是默认 group 值，application 对应应用名
• dubbo.properties，此节点的 node value 存储具体配置内容

元数据中心

Dubbo2.7 的另外一个新的功能，就是增加了元数据的配置。
在 Dubbo2.7 之前，所有的配置信息，比如服务接口名称、重试次数、版本号、负载策略、容错策略等等，所有参数都是基于 url 形式配置在 zookeeper 上的。这种方式会造成一些问题:

1. url 内容过多，导致数据存储空间增大
2. url 需要涉及到网络传输，数据量过大会造成网络传输过慢
3. 网络传输慢，会造成服务地址感知的延迟变大，影响服务的正常响应

服务提供者这边的配置参数有 30 多个，有一半是不需要作为注册中心进行存储和传递的。而消费者这边可配置的参数有 25 个以上，只有个别是需要传递到注册中心的。
所以，在 Dubbo2.7 中对元数据进行了改造，简单来说，就是把属于服务治理的数据发布到注册中心，其他的配置数据统一发布到元数据中心。这样一来大大降低了注册中心的负载。

元数据中心配置

元数据中心目前支持 redis 和 zookeeper。官方推荐是采用 redis。毕竟 redis 本身对于非结构化存储的数据读写性能比较高。当然，也可以使用 zookeeper 来实现。
在配置文件中添加元数据中心的地址

dubbo.metadata-report.address=zookeeper://192.168.13.106:2181 
dubbo.registry.simplified=true //注册到注册中心的 URL 是否采用精简模式的（与低版本兼容）

最新版本Dubbo Admin安装

Dubbo 的监控平台也做了更新，不过目前的功能还没有完善，
下载Dubbo-Admin 的包：https://github.com/apache/dubbo-admin

1. 修改 dubbo-admin-server/src/main/resources/application.properties 中的配置信息
2. mvn clean package 进行构建
3. mvn –projects dubbo-admin-server spring-boot:run
4. 访问 localhost:8080

image.png

image.png

image.png

新版本的功能还是很强大的，而我们大多数只是用了服务查询功能

——学自咕泡学院