1.关于VPP源码——dpo机制源码分析
2.Spring Cloud OpenFeign源码FeignClientFactoryBean原理
3.SpringCloud远程调用客户端之Feign源码剖析
4.ribbon负载均衡详解
5.浅谈下Load_balance函数情景分析~（上文）

关于VPP源码——dpo机制源码分析

       VPP的dpo机制紧密与路由结合。路由查找的最终结果为load_balance_t结构，相当于一个hash表，包含多种dpo，指向下一步动作。dpo标准类型包括：DPO_LOAD_BALANCE、elementui源码引入DPO_DROP、DPO_IP_NULL、DPO_PUNT。DPO_LOAD_BALANCE内含私有数据load_balance_t，通过dpo_id_t中的dpoi_index索引具体实例。DPO_DROP将数据包送往"XXX-drop"节点，简单处理后传至"error-drop"节点完成数据包丢弃。DPO_IP_NULL将数据包送往"ipx-null"节点，决定是否回传icmp不可达或禁止包。

       DPO_PUNT与DPO_PUNT核心函数与加锁/解锁无关。这些函数增加私有数据结构的引用计数，对于无私有数据的addlistener源码dpo则为空实现。内部调用注册时提供的函数指针。dpo设置操作包括将数据包从child dpo传递给parent dpo。通过在child dpo的dpoi_next_node中增加指向parent dpo对应node的slot索引，实现数据包传递。dpo_edges为四重指针，用于缓存child dpo对应的node指向下一跳parent dpo对应node的slot索引。

Spring Cloud OpenFeign源码FeignClientFactoryBean原理

       Spring Cloud OpenFeign的FeignClientFactoryBean在实例化过程中，通过FactoryBean接口实现，GetObject方法的关键步骤包括获取FeignContext、配置Feign.Builder、创建HardCodedTarget和调用loadBalance方法。这些步骤涉及自动配置、FeignClientSpecification的使用、Logger和Builder组件的定制以及动态代理的生成。最后，getObject方法返回的是一个接口的代理类，用于执行远程调用。kbengine 源码

       详细分析：

       FeignClientFactoryBean在Spring容器中，通过getObject方法转化为实际的FeignClient实例。首先，它从FeignContext获取相关配置，这个配置在引入OpenFeign依赖时自动注入。接下来，通过getTarget方法，FeignClientFactoryBean配置了Builder组件，如Logger（非Slf4j）、RequestInterceptor、Encoder和Decoder等，同时考虑了用户自定义组件的配置。之后，创建了HardCodedTarget，基于FeignClient接口、注解值和完整URL构建，然后通过loadBalance方法，源码kongso整合了LoadBalancerFeignClient和HystrixTargeter，进行负载均衡和目标URL定位。

       在newInstance方法中，解析了接口方法的注解，生成了MethodHandler，并用FeignInvocationHandler封装，这个InvocationHandler在代理类实例化时被调用，实现了远程调用。最终，通过Proxy.newProxyInstance动态生成了代理类，完成FeignClientFactoryBean的实例化过程。

       总的来说，FeignClientFactoryBean实例化是通过一系列配置和代理生成，实现了Spring Cloud OpenFeign的远程调用功能。如果你对源码的深入理解感兴趣，下期文章将继续解析调用源码细节。

SpringCloud远程调用客户端之Feign源码剖析

       Spring Cloud 的lksctp源码远程调用客户端 Feign 的源码解析

       本文深入探讨 Spring Cloud 远程调用客户端 Feign 的源码实现。首先，我们关注 org.springframework.cloud.openfeign.EnableFeignClients 注解，其主要作用在于扫描 Feign 客户端以及配置信息，并引入 org.springframework.cloud.openfeign.FeignClientsRegistrar。这个注解所执行的操作包括两部分：扫描配置类信息和扫描客户端。

       在 FeignClientsRegistrar 类中，主要通过解析 EnableFeignClients 注解的属性信息并注册默认配置来完成配置类信息的扫描。随后，它将配置类注入到 Spring 容器中，实现配置信息的注册。接着，Feign 的自动装配过程通过 FeignAutoConfiguration 类中注入的 Feign 上下文来实现，它创建了一个 Feign 实例工厂，并从 Spring 上下文中获取 Feign 实例。

       在初始化阶段结束后，我们可以通过 Spring 容器获取 Feign 客户端。具体过程在 FeignClientsRegistrar#registerFeignClients 中实现，传入一个工厂到 BeanDefinition 的封装中。接着，通过工厂获取目标对象，主要过程涉及获取 Feign 上下文、利用上下文获取构造器以及调用 FeignClientFactoryBean#loadBalance 方法。

       在 FeignClientFactoryBean#loadBalance 中，主要任务是使用 Feign 上下文获取客户端并设置构造器，最后获取目标并调用其 target 方法。这一过程最终指向 Feign 的核心实现，生成了一个 Feign 代理对象。

       获取 Feign 代理对象后，我们可以通过调用代理对象的 invoke 方法进行远程调用。这一过程通过 feign.InvocationHandlerFactory 中的实现来完成，最终调用 Feign 实现的 executeAndDecode 方法执行实际的远程调用。整个调用过程涉及获取客户端基本信息、执行调用以及通过动态代理返回结果。

       最后，Feign 调用最终通过 HTTP 协议进行远程请求的发送。整个解析过程展示了 Feign 如何通过 Spring Cloud 的集成，提供了一种优雅、灵活的远程调用方式，同时利用了 Feign 的动态代理和上下文管理，使得远程调用的实现变得更加简单、高效。

ribbon负载均衡详解

       æœåŠ¡ç«¯è´Ÿè½½å‡è¡¡ï¼šåœ¨å®¢æˆ·ç«¯å’ŒæœåŠ¡ç«¯ä¸­é—´ä½¿ç”¨ä»£ç†ï¼Œlvs  和 nginx。

        硬件负载均衡的设备或是软件负载均衡的软件模块都会维护一个下挂可用的服务端清单，通过心跳检测来剔除故障的服务端节点以保证清单中都是可以正常访问的服务端节点。当客户端发送请求到负载均衡设备的时候，该设备按某种算法（比如线性轮询、按权重负载、按流量负载等）从维护的可用服务端清单中取出一台服务端端地址，然后进行转发。

        客户端负载均衡：根据自己的情况做负载。Ribbon。

        客户端负载均衡和服务端负载均衡最大的区别在于 服务端地址列表的存储位置，以及负载算法在哪里。

        2、Spring Cloud的负载均衡机制的实现

        Spring Cloud Ribbon是一个基于HTTP和TCP的客户端负载均衡工具，它基于Netflix Ribbon实现。通过Spring Cloud的封装，可以让我们轻松地将面向服务的REST模版请求自动转换成客户端负载均衡的服务调用。Ribbon实现客户端的负载均衡，负载均衡器提供很多对.netflix.client.conf.CommonClientConfigKey。

        <clientName>.<nameSpace>.NFLoadBalancerClassName=xx

        <clientName>.<nameSpace>.NFLoadBalancerRuleClassName=xx

        <clientName>.<nameSpace>.NFLoadBalancerPingClassName=xx

        <clientName>.<nameSpace>.NIWSServerListClassName=xx

        <clientName>.<nameSpace>.NIWSServerListFilterClassName=xx

        com.netflix.client.config.IClientConfig：Ribbon的客户端配置，默认采用com.netflix.client.config.DefaultClientConfigImpl实现。

        com.netflix.loadbalancer.IRule：Ribbon的负载均衡策略，默认采用com.netflix.loadbalancer.ZoneAvoidanceRule实现，该策略能够在多区域环境下选出最佳区域的实例进行访问。

        com.netflix.loadbalancer.IPing：Ribbon的实例检查策略，默认采用com.netflix.loadbalancer.NoOpPing实现，该检查策略是一个特殊的实现，实际上它并不会检查实例是否可用，而是始终返回true，默认认为所有服务实例都是可用的。

        com.netflix.loadbalancer.ServerList：服务实例清单的维护机制，默认采用com.netflix.loadbalancer.ConfigurationBasedServerList实现。

        com.netflix.loadbalancer.ServerListFilter：服务实例清单过滤机制，默认采org.springframework.cloud.netflix.ribbon.ZonePreferenceServerListFilter，该策略能够优先过滤出与请求方处于同区域的服务实例。

        com.netflix.loadbalancer.ILoadBalancer：负载均衡器，默认采用com.netflix.loadbalancer.ZoneAwareLoadBalancer实现，它具备了区域感知的能力。

        上面的配置是在项目中没有引入spring Cloud Eureka，如果引入了Eureka和Ribbon依赖时，自动化配置会有一些不同。

        通过自动化配置的实现，可以轻松的实现客户端的负载均衡。同时，针对一些个性化需求，我们可以方便的替换上面的这些默认实现，只需要在springboot应用中创建对应的实现实例就能覆盖这些默认的配置实现。

        @Configuration

        public class MyRibbonConfiguration {

            @Bean

            public IRule ribbonRule(){

                return new RandomRule();

            }

        }

        这样就会使用P使用了RandomRule实例替代了默认的com.netflix.loadbalancer.ZoneAvoidanceRule。

        也可以使用@RibbonClient注解实现更细粒度的客户端配置

       å¯¹äºŽRibbon的参数通常有二种方式：全局配置以及指定客户端配置

        全局配置的方式很简单

        只需要使用ribbon.<key>=<value>格式进行配置即可。其中，<key>代表了Ribbon客户端配置的参数名，<value>则代表了对应参数的值。比如，我们可以想下面这样配置Ribbon的超时时间

        ribbon.ConnectTimeout=

        ribbon.ServerListRefreshInterval=   ribbon获取服务定时时间

        全局配置可以作为默认值进行设置，当指定客户端配置了相应的key的值时，将覆盖全局配置的内容

        指定客户端的配置方式

        <client>.ribbon.<key>=<value>的格式进行配置.<client>表示服务名，比如没有服务治理框架的时候（如Eureka），我们需要指定实例清单，可以指定服务名来做详细的配置，

        user-service.ribbon.listOfServers=localhost:,localhost:,localhost:

        对于Ribbon参数的key以及value类型的定义，可以通过查看com.netflix.client.config.CommonClientConfigKey类。

        当在spring Cloud的应用同时引入Spring cloud Ribbon和Spring Cloud Eureka依赖时，会触发Eureka中实现的对Ribbon的自动化配置。这时的serverList的维护机制实现将被com.netflix.niws.loadbalancer.DiscoveryEnabledNIWSServerList的实例所覆盖，该实现会讲服务清单列表交给Eureka的服务治理机制来进行维护。IPing的实现将被com.netflix.niws.loadbalancer.NIWSDiscoveryPing的实例所覆盖，该实例也将实例接口的任务交给了服务治理框架来进行维护。默认情况下，用于获取实例请求的ServerList接口实现将采用Spring Cloud Eureka中封装的org.springframework.cloud.netflix.ribbon.eureka.DomainExtractingServerList，其目的是为了让实例维护策略更加通用，所以将使用物理元数据来进行负载均衡，而不是使用原生的AWS AMI元数据。在与Spring cloud Eureka结合使用的时候，不需要再去指定类似的user-service.ribbon.listOfServers的参数来指定具体的服务实例清单，因为Eureka将会为我们维护所有服务的实例清单，而对于Ribbon的参数配置，我们依然可以采用之前的两种配置方式来实现。

        此外，由于spring Cloud Ribbon默认实现了区域亲和策略，所以，可以通过Eureka实例的元数据配置来实现区域化的实例配置方案。比如可以将不同机房的实例配置成不同的区域值，作为跨区域的容器机制实现。而实现也非常简单，只需要服务实例的元数据中增加zone参数来指定自己所在的区域，比如：

        eureka.instance.metadataMap.zone=shanghai

        在Spring Cloud Ribbon与Spring Cloud Eureka结合的工程中，我们可以通过参数禁用Eureka对Ribbon服务实例的维护实现。这时又需要自己去维护服务实例列表了。

        ribbon.eureka.enabled=false.

        由于Spring Cloud Eureka实现的服务治理机制强调了cap原理的ap机制（即可用性和可靠性），与zookeeper这类强调cp（一致性，可靠性）服务质量框架最大的区别就是，Eureka为了实现更高的服务可用性，牺牲了一定的一致性，在极端情况下宁愿接受故障实例也不要丢弃"健康"实例。

        比如说，当服务注册中心的网络发生故障断开时候，由于所有的服务实例无法维护续约心跳，在强调ap的服务治理中将会把所有服务实例剔除掉，而Eureka则会因为超过%的实例丢失心跳而触发保护机制，注册中心将会保留此时的所有节点，以实现服务间依然可以进行互相调用的场景，即使其中有部分故障节点，但这样做可以继续保障大多数服务的正常消费。

        在Camden版本，整合了spring retry来增强RestTemplate的重试能力，对于我们开发者来说，只需要简单配置，即可完成重试策略。

        spring.cloud.loadbalancer.retry.enabled=true

        hystrix.command.default.execution.isolation.thread.timeoutInMilliseconds=

        user-service.ribbon.ConnectTimeout=

        user-service.ribbon.ReadTimeout=

        user-service.ribbon.OkToRetryOnAllOperations=true

        user-service.ribbon.MaxAutoRetriesNextServer=2

        user-service.ribbon.maxAutoRetries=1

        spring.cloud.loadbalancer.retry.enabled:该参数用来开启重试机制，它默认是关闭的。

        hystrix.command.default.execution.isolation.thread.timeoutInMilliseconds：断路器的超时时间需要大于Ribbon的超时时间，不然不会触发重试。

        user-service.ribbon.ConnectTimeout：请求连接超时时间。

        user-service.ribbon.ReadTimeout：请求处理的超时时间

        user-service.ribbon.OkToRetryOnAllOperations：对所有操作请求都进行重试。

        user-service.ribbon.MaxAutoRetriesNextServer：切换实例的重试次数。

        user-service.ribbon.maxAutoRetries：对当前实例的重试次数。

        根据以上配置，当访问到故障请求的时候，它会再尝试访问一次当前实例（次数由maxAutoRetries配置），如果不行，就换一个实例进行访问，如果还是不行，再换一个实例访问（更换次数由MaxAutoRetriesNextServer配置），如果依然不行，返回失败

       é¡¹ç›®å¯åŠ¨çš„时候会自动的为我们加载LoadBalancerAutoConfiguration自动配置类，该自动配置类初始化条件是要求classpath必须要有RestTemplate这个类，必须要有LoadBalancerClient实现类。

        LoadBalancerAutoConfiguration为我们干了二件事，第一件是创建了LoadBalancerInterceptor拦截器bean，用于实现对客户端发起请求时进行拦截，以实现客户端负载均衡。创建了一个

        RestTemplateCustomizer的bean，用于给RestTemplate增加LoadBalancerInterceptor拦截器。

        每次请求的时候都会执行org.springframework.cloud.client.loadbalancer.LoadBalancerInterceptor的intercept方法，而LoadBalancerInterceptor具有LoadBalancerClient（客户端负载客户端）实例的一个引用，

        在拦截器中通过方法获取服务名的请求url（比如/p/1bddb5dc

        Spring cloud系列六 Ribbon的功能概述、主要组件和属性文件配置  

       /p/faffa

        本人有道云笔记中记录的参考文章

        文档：_ribbon 负载均衡.note

        链接：/noteshare?id=efc3efbbefd8ed0b9&sub=B0E6DFEEBDAF

浅谈下Load_balance函数情景分析~（上文）

       本文主要讨论Load_balance函数的情景分析，内容涵盖函数整体逻辑、使用的数据结构以及关键部分的解读。首先，本文介绍了Load_balance函数在Linux内核中的角色及其工作流程。Load_balance函数用于在不同CPU之间分配任务，以实现负载均衡，优化系统性能。

       为了理解Load_balance函数，我们需要关注几个关键数据结构：struct lb_env、struct sd_lb_stats、struct sg_lb_stats 和 struct sched_group_capacity。这些结构用于描述负载均衡的上下文信息、调度域的负载统计、调度组的负载统计以及调度组的算力信息，为Load_balance函数提供所需的数据支持。

       Load_balance函数的执行流程分为多个阶段。首先，初始化负载均衡的上下文信息，这包括设置与任务迁移相关的参数。随后，函数会确定参与负载均衡的CPU，通常情况下，所有调度域中的CPU都会参与。如果在执行过程中发现某些异常状况，如由于亲和性原因无法完成任务迁移，系统会清除选定的最繁忙CPU，并重新进行均衡操作。

       在负载均衡过程中，函数会寻找最繁忙的调度组和CPU。这一过程通过遍历调度组和CPU的运行队列来实现，目的是找到最适合执行任务迁移的源和目标。迁移任务的过程需要考虑多个因素，包括任务的亲和性、负载均衡的目标以及任务迁移的数量限制。在完成任务迁移后，函数会进行清理工作，并设定平衡间隔，为下一次负载均衡做准备。

       值得注意的是，本文中提到的数据结构和函数分析内容是基于Linux内核的特定版本（Linux5..）进行的。实际应用时，这些信息可能需要根据内核版本和特定需求进行调整。此外，为了深入理解Load_balance函数的工作机制，建议读者参考完整源代码，并与相关内核模块的文档进行对照。

       总之，本文提供了对Load_balance函数情景分析的概览，包括其关键数据结构的描述和执行流程的简化说明。通过理解这些基本概念，读者可以更好地掌握Linux内核中负载均衡机制的工作原理，并在实际项目中应用这些知识。