本文接著上一篇寫的《Java微服務（二）：服務消費者與提供者搭建》，上一篇文章主要講述了消費者與服務者的搭建與簡單的實現。其中重點需要注意配置檔案中的幾個坑。

本章節介紹一些零散的內容：服務的負載均衡，序列化和熔斷

1.服務負載均衡

負載均衡可分為軟體負載均衡和硬體負載均衡。在我們日常開發中，一般很難接觸到硬體負載均衡。但軟體負載均衡還是可以接觸到的，比如 Nginx。dubbo提供的也是軟負載。

詳細內容可以閱讀dubbo官網關於負載均衡的介紹，這裡總結下負載均衡的方式：

• 權重隨機演算法的 RandomLoadBalance

　　RandomLoadBalance 是加權隨機演算法的具體實現，它的演算法思想很簡單。假設我們有一組伺服器 servers = [A, B, C]，他們對應的權重為 weights = [5, 3, 2]，權重總和為10。那麼就有5/10的請求達到A伺服器上，3/10和2/10分別達到B和C上。只要隨機數生成器產生的隨機數分佈性很好，在經過多次選擇後，每個伺服器被選中的次數比例接近其權重比例。當呼叫次數比較少時，Random 產生的隨機數可能會比較集中，此時多數請求會落到同一臺伺服器上。

• 最少活躍呼叫數演算法的 LeastActiveLoadBalance

　　每個服務提供者對應一個活躍數 active。初始情況下，所有服務提供者活躍數均為0。每收到一個請求，活躍數加1，完成請求後則將活躍數減1，在服務執行一段時間後，效能好的服務提供者處理請求的速度更快，因此活躍數下降的也越快，此時這樣的服務提供者能夠優先獲取到新的服務請求、這就是最小活躍數負載均衡演算法的基本思想，目前此演算法還引入了權重值。

• 基於 hash 一致性的 ConsistentHashLoadBalance

　　首先根據 ip 或者其他的資訊為快取節點生成一個 hash，並將這個 hash 投射到 [0, 2³² - 1] 的圓環上。當有查詢或寫入請求時，則為快取項的 key 生成一個 hash 值。然後查詢第一個大於或等於該 hash 值的快取節點，併到這個節點中查詢或寫入快取項。如果當前節點掛了，則在下一次查詢或寫入快取時，為快取項查詢另一個大於其 hash 值的快取節點即可。

• 基於加權輪詢演算法的 RoundRobinLoadBalance

　　所謂輪詢是指將請求輪流分配給每臺伺服器。舉個例子，我們有三臺伺服器 A、B、C。我們將第一個請求分配給伺服器 A，第二個請求分配給伺服器 B，第三個請求分配給伺服器 C，第四個請求再次分配給伺服器 A。這個過程就叫做輪詢。輪詢是一種無狀態負載均衡演算法，實現簡單，適用於每臺伺服器效能相近的場景下。加權輪詢是將伺服器賦一個權值，然後按照該權值進行輪訓。

程式碼構建,本例使用輪訓演算法做demo

直接在yml配置檔案中新增loadbalance註解就可以

 開啟2個服務提供者，並且使用服務消費者消費，檢視日誌

 2.序列化

　　Dubbo 中支援的序列化方式：

• dubbo 序列化：阿里尚未開發成熟的高效 java 序列化實現，阿里不建議在生產環境使用它
• hessian2 序列化：hessian 是一種跨語言的高效二進位制序列化方式。但這裡實際不是原生的 hessian2 序列化，而是阿里修改過的 hessian lite，它是 dubbo RPC 預設啟用的序列化方式
• json 序列化：目前有兩種實現，一種是採用的阿里的 fastjson 庫，另一種是採用 dubbo 中自己實現的簡單 json 庫，但其實現都不是特別成熟，而且 json 這種文字序列化效能一般不如上面兩種二進位制序列化。
• java 序列化：主要是採用 JDK 自帶的 Java 序列化實現，效能很不理想。

　　dubbo自帶的序列化方式不成熟，而json和java序列化效能不理想。dubbo可以使用hessian2序列化，但是hessian2是跨語言的，沒有單獨對java語言做優化，所以很多單獨給java提供優化的工具效能比hessian2要好。我們為 dubbo 引入 Kryo 和 FST 這兩種高效 Java 序列化實現，來逐步取代 hessian2。

dubbo有關序列化的例項如下：

 程式碼構建，首先增加依賴

 1   <dependency>
 2             <groupId>de.javakaffee</groupId>
 3             <artifactId>kryo-serializers</artifactId>
 4             <version>0.42</version>
 5         </dependency>
 6         <!-- https://mvnrepository.com/artifact/org.springframework.cloud/spring-cloud-starter-hystrix -->
 7         <!-- https://mvnrepository.com/artifact/org.springframework.cloud/spring-cloud-starter-netflix-hystrix -->
 8         <dependency>
 9             <groupId>org.springframework.cloud</groupId>
10             <artifactId>spring-cloud-starter-netflix-hystrix</artifactId>
11             <version>2.0.1.RELEASE</version>
12         </dependency>
13         <!-- https://mvnrepository.com/artifact/org.springframework.cloud/spring-cloud-starter-netflix-hystrix-dashboard -->
14         <dependency>
15             <groupId>org.springframework.cloud</groupId>
16             <artifactId>spring-cloud-starter-netflix-hystrix-dashboard</artifactId>
17             <version>2.0.1.RELEASE</version>
18         </dependency>

在配置檔案中增加配置的屬性即可：

此時序列化配置完成，以下總結了常見序列化方式的效能

 3.熔斷

　　由於網路和自身的原因，RPC之間的呼叫並不能保證100%可用，如果伺服器產生了宕機，同時又有大量的請求過來，就會出現雪崩，為了解決此問題，業界提出了熔斷。熔斷器開啟後，為了避免連鎖故障，通過 fallback 方法可以直接返回一個固定值。此時fallback中可以做很多邏輯處理，比喻日誌或者郵件通過開發人員，及時對伺服器進行問題排查，降低風險度。

程式碼構建，首先增加依賴

 1 <!-- https://mvnrepository.com/artifact/org.springframework.cloud/spring-cloud-starter-hystrix -->
 2         <!-- https://mvnrepository.com/artifact/org.springframework.cloud/spring-cloud-starter-netflix-hystrix -->
 3         <dependency>
 4             <groupId>org.springframework.cloud</groupId>
 5             <artifactId>spring-cloud-starter-netflix-hystrix</artifactId>
 6             <version>2.0.1.RELEASE</version>
 7         </dependency>
 8         <!-- https://mvnrepository.com/artifact/org.springframework.cloud/spring-cloud-starter-netflix-hystrix-dashboard -->
 9         <dependency>
10             <groupId>org.springframework.cloud</groupId>
11             <artifactId>spring-cloud-starter-netflix-hystrix-dashboard</artifactId>
12             <version>2.0.1.RELEASE</version>
13         </dependency>

其中第二個依賴是在熔斷儀表盤中使用的。具體程式碼和相關解釋如下如下：

 熔斷儀表盤的配置，這裡需要注意spring boot2和1的配置是有區別的，具體可以參考官網文件

 1 package com.edu.hello.dubbo.service.user.consumer.config;
 2 
 3 import com.netflix.hystrix.contrib.metrics.eventstream.HystrixMetricsStreamServlet;
 4 import org.springframework.boot.web.servlet.ServletRegistrationBean;
 5 import org.springframework.context.annotation.Bean;
 6 import org.springframework.context.annotation.Configuration;
 7 
 8 /**
 9  * @ClassName HystrixDashboardConfiguration
10  * @Deccription TODO
11  * @Author DZ
12  * @Date 2019/9/3 23:10
13  **/
14 @Configuration
15 public class HystrixDashboardConfiguration {
16     @Bean
17     public ServletRegistrationBean getServlet() {
18         HystrixMetricsStreamServlet streamServlet = new HystrixMetricsStreamServlet();
19         ServletRegistrationBean registrationBean = new ServletRegistrationBean(streamServlet);
20         registrationBean.setLoadOnStartup(1);
21         registrationBean.addUrlMappings("/hystrix.stream");
22         registrationBean.setName("HystrixMetricsStreamServlet");
23         return registrationBean;
24     }
25 }

 啟動服務，檢視結果。這裡只啟動了服務消費者，沒有啟動服務提供者，製造服務超時。

 訪問http://localhost:9090/hystrix檢視熔斷介面，其他詳細資訊可以檢視詳細資訊，其中儀表盤的訪問地址是來自於config中，儀表盤如下：

  訪問http://localhost:9090/hystrix.stream檢視熔斷儀表盤介面，更加詳細檢視熔斷相關的資訊

 儀表盤中相關引數解釋如下：

&n