Ribbon的AvailabilityFilteringRule的坑（Spring Cloud Finchley.SR2）

如题，本文基于Spring Cloud Finchley.SR2

我们项目配置了AvailabilityFilteringRule作为所有Ribbon调用的负载均衡规则，它有那些坑呢（理解歧义和注意点）？

首先来看源码，核心是choose方法：

public Server choose(Object key) {int count = 0;//通过轮询选择一个serverServer server = roundRobinRule.choose(key);//尝试10次如果都不满足要求，就放弃，采用父类的choose//这里为啥尝试10次？//1. 轮询结果相互影响，可能导致某个请求每次调用轮询返回的都是同一个有问题的server//2. 集群很大时，遍历整个集群判断效率低，我们假设集群中健康的实例要比不健康的多，如果10次找不到，就用父类的choose，这也是一种快速失败机制while (count++ <= 10) {if (predicate.apply(new PredicateKey(server))) {return server;}server = roundRobinRule.choose(key);}return super.choose(key);
}

轮询是怎么轮询呢，为啥会相互影响？

来看下RoundRobinRule的源码

//多线程轮询算法
private int incrementAndGetModulo(int modulo) {for (;;) {//当前值int current = nextServerCyclicCounter.get();//新值，通过对于modulo（就是实例个数）取余int next = (current + 1) % modulo;//只有设置成功才返回if (nextServerCyclicCounter.compareAndSet(current, next))return next;}
}public Server choose(ILoadBalancer lb, Object key) {if (lb == null) {log.warn("no load balancer");return null;}Server server = null;int count = 0;//这里也是10次，不遍历整个集群，防止一个请求执行过长时间在选server上，快速失败while (server == null && count++ < 10) {List<Server> reachableServers = lb.getReachableServers();List<Server> allServers = lb.getAllServers();int upCount = reachableServers.size();int serverCount = allServers.size();if ((upCount == 0) || (serverCount == 0)) {log.warn("No up servers available from load balancer: " + lb);return null;}int nextServerIndex = incrementAndGetModulo(serverCount);server = allServers.get(nextServerIndex);if (server == null) {/* Transient. */Thread.yield();continue;}//判断server状态if (server.isAlive() && (server.isReadyToServe())) {return (server);}// Next.server = null;}if (count >= 10) {log.warn("No available alive servers after 10 tries from load balancer: "+ lb);}return server;
}

AvailabilityFilteringRule如何判断Server满足条件？

看下判断类AvailabilityPredicate的源码：

这里涉及两个配置：

niws.loadbalancer.availabilityFilteringRule.filterCircuitTripped，默认为true，即是否过滤掉断路的Server（什么是断路我们之后会说）
niws.loadbalancer.availabilityFilteringRule.activeConnectionsLimit，默认为Integer的最大值，每个Server实例最大的活跃连接数（其实就是本机发往这个Server未处理完的请求个数）

public boolean apply(@Nullable PredicateKey input) {LoadBalancerStats stats = getLBStats();if (stats == null) {return true;}//判断是否满足条件return !shouldSkipServer(stats.getSingleServerStat(input.getServer()));
}private boolean shouldSkipServer(ServerStats stats) {        //niws.loadbalancer.availabilityFilteringRule.filterCircuitTripped是否为trueif ((CIRCUIT_BREAKER_FILTERING.get() &&//该Server是否为断路状态stats.isCircuitBreakerTripped()) //本机发往这个Server未处理完的请求个数是否大于Server实例最大的活跃连接数|| stats.getActiveRequestsCount() >= activeConnectionsLimit.get()) {return true;}return false;
}

Server是否为断路状态是如何判断的呢？

ServerStats源码，这里详细源码我们不贴了，说一下机制：

断路是通过时间判断实现的。每次失败记录上次失败时间。如果失败了触发判断是否断路的最小失败次数以上的次数，则判断：

计算断路持续时间：（2^失败次数）* 断路时间因子，如果大于最大断路时间，则取最大断路时间。
判断当前时间是否大于上次失败时间+短路持续时间，如果小于，则是断路状态

这里又涉及三个配置（这里需要将default替换成你调用的微服务名称）：

niws.loadbalancer.default.connectionFailureCountThreshold，默认为3，触发判断是否断路的最小失败次数，也就是，默认如果失败三次，就会判断是否要断路了。
niws.loadbalancer.default.circuitTripTimeoutFactorSeconds，默认为10，断路时间因子，
niws.loadbalancer.default.circuitTripMaxTimeoutSeconds，默认为30，最大断路时间

`ServerStats`如何更新呢？

首先是清空，根据我的另一系列文章对于Eureka源码和配置的分析，每次在ribbon从eureka本地定时重新拉取server列表时，就会清空。这个配置是：

#eureka客户端ribbon刷新时间
#默认30s
ribbon.ServerListRefreshInterval=1000

这里我们配置是1秒，也就是1秒内如果断路三次，就会触发断路判断。

然后是怎么增加断路次数？这里我们看调用这个方法的源码，有效调用里面都有一个判断：

if (lbContext.getRetryHandler().isCircuitTrippingException(throwable)) {//调用增加断路次数
}

这个isCircuitTrippingException，对于默认的DefaultLoadBalancerRetryHandler就是判断是否为SocketException.class, SocketTimeoutException.class这两个异常。如果是，就会记录到断路次数

SocketException.class, SocketTimeoutException.class两个异常的坑与Ribbon连接超时时间

参考我另一篇文章，Ribbon对于SocketTimeOutException重试的坑以及重试代码解析，这里不要把Ribbon的连接超时设置太短，一般如下设置即可：

#ribbon连接超时
ribbon.ConnectTimeout=500