elasticsearch怎么实现客户端负载均衡

本篇内容介绍了“elasticsearch怎么实现客户端负载均衡”的有关知识，在实际案例的操作过程中，不少人都会遇到这样的困境，接下来就让小编带领大家学习一下如何处理这些情况吧！希望大家仔细阅读，能够学有所成！

    客户端负载均衡技术是，客户端维护一组服务器引用，每次客户端请求的时候，会根据负载均衡算法选中一个节点，发送请求。常用的负载算法有Random，Round robin，Hash，StaticWeighted等。ES的客户端负载使用了Round robin算法。(另外Hash一致性算法还会在另一地方遇见的)一个Count请求的整个客户端模块的调用流程是

简化的调用流程

1. client 提供了客户端的操作接口，比如count()

2. nodesService的execute()随机一个节点出来

3. Proxy代理通过transportService发送请求

一些初始化的事情

我们先看下创建客户端的代码，这里配置了几个配置项

Settings settings = ImmutableSettings.settingsBuilder()
            .put("cluster.name", "myClusterName")
            .put("client.transport.sniff", true).build();
client=new TransportClient(settings)
    .addTransportAddress(new InetSocketTransportAddress("localhost",9300));

谁会在乎这些配置项呢，就是TransportClientNodesService类。它负责着嗅探，维护集群节点列表。选举节点。它的构造方法里做了一些初始化工作

        this.nodesSamplerInterval = componentSettings.getAsTime("nodes_sampler_interval", timeValueSeconds(5));
        this.pingTimeout = componentSettings.getAsTime("ping_timeout", timeValueSeconds(5)).millis();
        this.ignoreClusterName = componentSettings.getAsBoolean("ignore_cluster_name", false);
        //.....
        if (componentSettings.getAsBoolean("sniff", false)) {
            this.nodesSampler = new SniffNodesSampler();
        } else {
            this.nodesSampler = new SimpleNodeSampler();
        }
        this.nodesSamplerFuture = threadPool.schedule(nodesSamplerInterval, ThreadPool.Names.GENERIC, new ScheduledNodeSampler());

• nodes_sampler_interval    嗅探集群节点的间隔，默认5秒

• pingTimeout    Ping节点的超时时间，默认是5秒

• ignoreClusterName    忽略集群名称，集群验证的时候

• sniff    是否开启集群嗅探

另外TransportClientNodesService维护着2个列表，集群节点列表nodes和监听列表listedNodes。其中监听列表就是通过TransportClient.addTransportAddress()增加的节点列表。

嗅探集群节点

    interface NodeSampler {
        void sample();
    }

NodeSampler接口很简单，只有一个sample()方法，它的实现类有2个SniffNodesSampler和SimpleNodeSampler，我们在初始化里已经看到了，如果"sniff"配置项是true的话使用SniffNodesSampler类。它们2个的实现逻辑是

• SimpleNodeSampler    

• 循环listedNodes列表里的每一个节点

• 没有连接就连接到这个节点

• 发送"cluster/nodes/info"请求获取节点的集群名称，需要的话，做集群名验证。

• 增加到nodes节点列表

• SniffNodesSampler

• 创建一个listedNodes和nodes去重后的列表nodesToPing

• 循环nodesToPing里的每一个节点

• 没有连接就连接到这个节点，如果是nodes列表的就正常连接，listedNode列表的建立个轻连接就好了

• 发送"cluster/state"请求获取节点的状态，这里会有集群所有的数据节点dataNodes

• 再次确认下已经和所有节点建立连接

• 增加到nodes节点列表

        

        我们可以发现SimpleNodeSampler最终的节点列表还是listedNodes，如果我们建立客户端的时候，只添加了一个localhost，那它所有的请求都会发送到localhost。只有SniffNodesSampler才去探测集群的所有节点。也就是SimpleNodeSampler的意图是让集群中的某些个节点，专门用于接受用户请求。SniffNodesSampler的话，所有节点都会参与负载。

class ScheduledNodeSampler implements Runnable {
        @Override
        public void run() {
            try {
                nodesSampler.sample();
                if (!closed) {
                    nodesSamplerFuture = threadPool.schedule(nodesSamplerInterval, ThreadPool.Names.GENERIC, this);
                }
            } catch (Exception e) {
                logger.warn("failed to sample", e);
            }
        }
}

ScheduledNodeSampler线程启动后，Sampler就开始忙碌起来了。

选举节点

有了集群节点列表后execute()方法就可以通过轮询调度算法Round robin，选举节点了。算法的特点是实现起来简单优雅，请求会被均衡的发送到各个节点上。

public <T> T execute(NodeCallback<T> callback) throws ElasticSearchException {
        ImmutableList<DiscoveryNode> nodes = this.nodes;
        if (nodes.isEmpty()) {
            throw new NoNodeAvailableException();
        }
        int index = randomNodeGenerator.incrementAndGet();
        if (index < 0) {
            index = 0;
            randomNodeGenerator.set(0);
        }
        for (int i = 0; i < nodes.size(); i++) {
            DiscoveryNode node = nodes.get((index + i) % nodes.size());
            try {
                return callback.doWithNode(node);
            } catch (ElasticSearchException e) {
                if (!(e.unwrapCause() instanceof ConnectTransportException)) {
                    throw e;
                }
            }
        }
        throw new NoNodeAvailableException();
}

关键是这一行代码，说那么多话，其实，我只是了为了这么，一行代码啊 ？

DiscoveryNode node = nodes.get((index + i) % nodes.size());

“elasticsearch怎么实现客户端负载均衡”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识可以关注亿速云网站，小编将为大家输出更多高质量的实用文章！