負載均衡
負載均衡，它的職責是將網絡請求，或者其他形式的負載“均攤”到不同的機器上。避免集羣中部分服務器壓力過大，而另一些服務器比較空閒的情況。通過負載均衡，可以讓每臺服務器獲取到適合自己處理能力的負載。在爲高負載服務器分流的同時，還可以避免資源浪費，一舉兩得。負載均衡可分爲軟件負載均衡和硬件負載均衡。在我們日常開發中，一般很難接觸到硬件負載均衡。但軟件負載均衡還是可以接觸到的，比如 Nginx。
在 Dubbo 中，也有負載均衡的概念和相應的實現。Dubbo 需要對服務消費者的調用請求進行分配，避免少數服務提供者負載過大。服務提供者負載過大，會導致部分請求超時。
因此將負載均衡到每個服務提供者上，是非常必要的。Dubbo 提供了4種負載均衡實現，分別是基於權重隨機算法的 RandomLoadBalance、基於最少活躍調用數算法的 LeastActiveLoadBalance、基於 hash 一致性的 ConsistentHashLoadBalance，以及基於加權輪詢算法的 RoundRobinLoadBalance。
這幾個負載均衡算法代碼不是很長，但是想看懂也不是很容易，需要大家對這幾個算法的原理有一定了解纔行。如果不是很瞭解，也沒不用太擔心。我們會在分析每個算法的源碼之前，對算法原理進行簡單的講解，幫助大家建立初步的印象。
缺省爲random隨機調用.
Random LoadBalance
隨機，按權重設置隨機概率。
RandomLoadBalance 是加權隨機算法的具體實現，它的算法思想很簡單。假設我們有一組服務器 servers = [A, B, C]，他們對應的權重爲 weights = [5, 3, 2]，權重總和爲10。現在把這些權重值平鋪在一維座標值上，[0, 5) 區間屬於服務器 A，[5, 8) 區間屬於服務器 B，[8, 10) 區間屬於服務器 C。接下來通過隨機數生成器生成一個範圍在 [0, 10) 之間的隨機數，然後計算這個隨機數會落到哪個區間上。比如數字3會落到服務器 A 對應的區間上，此時返回服務器 A 即可。權重越大的機器，在座標軸上對應的區間範圍就越大，因此隨機數生成器生成的數字就會有更大的概率落到此區間內。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，每個服務器被選中的次數比例接近其權重比例。比如，經過一萬次選擇後，服務器 A 被選中的次數大約爲5000次，服務器 B 被選中的次數約爲3000次，服務器 C 被選中的次數約爲2000次。
RoundRobin LoadBalance
輪循，按公約後的權重設置輪循比率。
我們先來了解一下什麼是加權輪詢。這裏從最簡單的輪詢開始講起，所謂輪詢是指將請求輪流分配給每臺服務器。舉個例子，我們有三臺服務器 A、B、C。我們將第一個請求分配給服務器 A，第二個請求分配給服務器 B，第三個請求分配給服務器 C，第四個請求再次分配給服務器 A。這個過程就叫做輪詢。輪詢是一種無狀態負載均衡算法，實現簡單，適用於每臺服務器性能相近的場景下。但現實情況下，我們並不能保證每臺服務器性能均相近。如果我們將等量的請求分配給性能較差的服務器，這顯然是不合理的。因此，這個時候我們需要對輪詢過程進行加權，以調控每臺服務器的負載。經過加權後，每臺服務器能夠得到的請求數比例，接近或等於他們的權重比。比如服務器 A、B、C 權重比爲 5:2:1。那麼在8次請求中，服務器 A 將收到其中的5次請求，服務器 B 會收到其中的2次請求，服務器 C 則收到其中的1次請求。
LeastActive LoadBalance
翻譯過來是最小活躍數負載均衡。活躍調用數越小，表明該服務提供者效率越高，單位時間內可處理更多的請求。此時應優先將請求分配給該服務提供者。在具體實現中，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爲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。在服務運行一段時間後，性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算法的基本思想。除了最小活躍數，LeastActiveLoadBalance 在實現上還引入了權重值。所以準確的來說，LeastActiveLoadBalance 是基於加權最小活躍數算法實現的。舉個例子說明一下，在一個服務提供者集羣中，有兩個性能優異的服務提供者。某一時刻它們的活躍數相同，此時 Dubbo 會根據它們的權重去分配請求，權重越大，獲取到新請求的概率就越大。如果兩個服務提供者權重相同，此時隨機選擇一個即可。
ConsistentHash LoadBalance
該類是負載均衡基於 hash 一致性的邏輯實現。一致性哈希算法由麻省理工學院的 Karger 及其合作者於1997年提供出的，一開始被大量運用於緩存系統的負載均衡。它的工作原理是這樣的：首先根據 ip 或其他的信息爲緩存節點生成一個 hash，在dubbo中使用參數進行計算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，則生成一個 hash 值。然後查找第一個大於或等於該 hash 值的緩存節點，併到這個節點中查詢或寫入緩存項。如果當前節點掛了，則在下一次查詢或寫入緩存時，爲緩存項查找另一個大於其 hash 值的緩存節點即可。大致效果如下圖所示（引用一下官網的圖）
每個緩存節點在圓環上佔據一個位置。如果緩存項的 key 的 hash 值小於緩存節點 hash 值，則到該緩存節點中存儲或讀取緩存項，這裏有兩個概念不要弄混，緩存節點就好比dubbo中的服務提供者，會有很多的服務提供者，而緩存項就好比是服務引用的消費者。比如下面綠色點對應的緩存項也就是服務消費者將會被存儲到 cache-2 節點中。由於 cache-3 掛了，原本應該存到該節點中的緩存項也就是服務消費者最終會存儲到 cache-4 節點中，也就是調用cache-4 這個服務提供者。
但是在hash一致性算法並不能夠保證hash算法的平衡性，就拿上面的例子來看，cache-3掛掉了，那該節點下的所有緩存項都要存儲到 cache-4 節點中，這就導致hash值低的一直往高的存儲，會面臨一個不平衡的現象，見下圖：
可以看到最後會變成類似不平衡的現象，那我們應該怎麼避免這樣的事情，做到平衡性，那就需要引入虛擬節點，虛擬節點是實際節點在 hash 空間的複製品，“虛擬節點”在 hash 空間中以hash值排列。比如下圖：
可以看到各個節點都被均勻分佈在圓環上，而某一個服務提供者居然有多個節點存在，分別跟其他節點交錯排列，這樣做的目的就是避免數據傾斜問題，也就是由於節點不夠分散，導致大量請求落到了同一個節點上，而其他節點只會接收到了少量請求的情況。類似第二張圖的情況。
連接超時timeout
毫秒爲單位 默認 1000
必須要設置服務的處理的超時時間