【mq】从零开始实现 mq-07-负载均衡 load balance mq消息队列源码负载均衡高可用

前景回顾【mq】从零开始实现 mq-01-生产者、消费者启动
【mq】从零开始实现 mq-02-如何实现生产者调用消费者？
【mq】从零开始实现 mq-03-引入 broker 中间人
【mq】从零开始实现 mq-04-启动检测与实现优化
【mq】从零开始实现 mq-05-实现优雅停机
【mq】从零开始实现 mq-06-消费者心跳检测 heartbeat
【mq】从零开始实现 mq-07-负载均衡 load balance
为什么需要负载均衡大家好，我是老马。
这一节让我们看一下如何实现 MQ 的负载均衡。
为什么需要负载均衡呢？
作用
负载均衡最核心的作用：
（1）可以避免单点故障
（2）可以让请求均分的分散到每一个节点
实现思路
负载均衡实现的方式比较多，最简单的就是随机选择一个。
拓展阅读：

从零手写实现负载均衡 http://houbb.github.io/2020/0...

文章图片

MQ 中用到负载均衡的地方生产者发送
生产者发送消息时，可以发送给任一 broker。
broker 推送给消费者
broker 接收到消息以后，在推送给消费者时，也可以任一选择一个。
消费者的消费 ACK
消费者消费完，状态回执给 broker，可以选择任一一个。
消息黏连
有些消息比较特殊，比如需要保证消费的有序性，可以通过 shardingKey 的方式，在负载的时候固定到指定的片区。
代码实现生产者发送
统一调整获取 channel 的方法。

@Override public Channel getChannel(String key) { // 等待启动完成 while (!statusManager.status()) { log.debug("等待初始化完成..."); DateUtil.sleep(100); } RpcChannelFuture rpcChannelFuture = RandomUtils.loadBalance(this.loadBalance, channelFutureList, key); return rpcChannelFuture.getChannelFuture().channel(); }

工具类实现为核心实现：

/** * 负载均衡 * * @param list 列表 * @param key 分片键 * @return 结果 * @since 0.0.7 */ public static T loadBalance(final ILoadBalance loadBalance, final List list, String key) { if(CollectionUtil.isEmpty(list)) { return null; }if(StringUtil.isEmpty(key)) { LoadBalanceContext loadBalanceContext = LoadBalanceContext.newInstance() .servers(list); return loadBalance.select(loadBalanceContext); }// 获取 code int hashCode = Objects.hash(key); int index = hashCode % list.size(); return list.get(index); }

如果指定了 shardingKey，那么根据 shadringKey 进行 hash 判断。
如果没有，则进行默认的负载均衡策略。
Broker 消息推送给消费者
消费者订阅列表的获取：

@Override public List getSubscribeList(MqMessage mqMessage) { final String topicName = mqMessage.getTopic(); Set set = subscribeMap.get(topicName); if(CollectionUtil.isEmpty(set)) { return Collections.emptyList(); }//2. 获取匹配的 tag 列表 final List tagNameList = mqMessage.getTags(); Map> groupMap = new HashMap<>(); for(ConsumerSubscribeBo bo : set) { String tagRegex = bo.getTagRegex(); if(hasMatch(tagNameList, tagRegex)) { //TODO: 这种设置模式，统一添加处理 haven String groupName = bo.getGroupName(); List list = groupMap.get(groupName); if(list == null) { list = new ArrayList<>(); } list.add(bo); groupMap.put(groupName, list); } }//3. 按照 groupName 分组之后，每一组只随机返回一个。最好应该调整为以 shardingkey 选择 final String shardingKey = mqMessage.getShardingKey(); List channelList = new ArrayList<>(); for(Map.Entry> entry : groupMap.entrySet()) { List list = entry.getValue(); ConsumerSubscribeBo bo = RandomUtils.loadBalance(loadBalance, list, shardingKey); final String channelId = bo.getChannelId(); BrokerServiceEntryChannel entryChannel = registerMap.get(channelId); if(entryChannel == null) { log.warn("channelId: {} 对应的通道信息为空", channelId); continue; } channelList.add(entryChannel.getChannel()); } return channelList; }

核心逻辑：

RandomUtils.loadBalance(loadBalance, list, shardingKey);

获取，其他的保持不变。
消费者 ACK
消费者也是类似的，获取 channel 的方式调整如下：

public Channel getChannel(String key) { // 等待启动完成 while (!statusManager.status()) { log.debug("等待初始化完成..."); DateUtil.sleep(100); }RpcChannelFuture rpcChannelFuture = RandomUtils.loadBalance(loadBalance, channelFutureList, key); return rpcChannelFuture.getChannelFuture().channel(); }

小结负载均衡在分布式服务中，是必备的特性之一。实现的原理并不算复杂。
希望本文对你有所帮助，如果喜欢，欢迎点赞收藏转发一波。
我是老马，期待与你的下次重逢。
开源地址