Spring Cloud Ribbon 是基于Netflix Ribbon实现的一套客户端的负载均衡的工具。
Ribbon是Netflix发布的开源项目，主要功能是提供客户端的软件负载均衡算法，将Netflix的中间层服务连接在一起。Ribbon客户端组件提供一系列完善的配置项，如连接超时，重试等。简单的说，就是在配置文件中列出Load Balancer（LB） 后面所有的机器，Ribbon会自动帮助你基于某种规则（如简单轮询，随机连接等）去连接这些机器。我们也很容易通过Ribbon实现自定义的负载均衡算法。
LB，即负载均衡（Load Balancer），在微服务或分布式集群中经常用的一种应用。 负载均衡简单来说就是将用户的请求平摊的分配到多个服务上，从而达到系统的HA。 常见的负载均衡有Nginx，LVS，硬件F5等。 相应的在中间件，例如：dubbo和SpringCloud中均给我们提供了负载均衡，SpringCloud的负载均衡算法可以自定义。
集中式LB：即在服务的消费方和提供方之间使用独立的LB设施（可以是硬件，如F5，也可以是软件，如Nginx），由该设施负责把请求通过某种策略转发至服务的提供方。
进程内LB：将LB逻辑集成到消费方，消费方从注册中心获取有哪些地址可用，然后在从其中选择一个合适的服务器。Ribbon就属于进程内LB，它只是一个类库，集成于消费方进程，消费方通过它来获取服务提供方的地址。
追加@LoadBalanced注解，获取RestTemplate时加入Ribbon的配置。
import org.springframework.cloud.client.loadbalancer.LoadBalanced; import org.springframework.context.annotation.Bean; import org.springframework.context.annotation.Configuration; import org.springframework.web.client.RestTemplate; @Configuration public class ConfigBean { @Bean @LoadBalanced public RestTemplate getRestTemplate() { return new RestTemplate(); } }至此客户端通过RestTemplate调用实例名，实现Ribbon。
Ribbon在工作时分成两步 第一步先选择 EurekaServer，它优先选择在同一个区域内负载较少的server。 第二步再根据用户指定的策略，在从server取到的服务注册列表中选择一个地址。 其中Ribbon提供了多种策略：比如轮询、随机和根据响应时间加权。
IRule：根据特定算法从服务中选择一个要访问的服务。
- RoundRobinRule：轮询 - RandomRule：随机 - AvailabilityFilteringRule：会先过滤掉由于多次访问故障而处于断路器跳闸状态的服务，还有并发的连接数量超过阈值的服务，然后对剩余的服务列表按照轮询策略进行访问。 - WeightedResponseTimeRule：根据平均响应时间计算所有服务的权重，响应时间越快服务权重越大被选中的概率越高。刚启动时如果统计信息不足，则使用RoundRobinRule策略，等统计信息足够，会切换到WeightedResponseTimeRule。 - RetryRule：先按照RoundRobinRule的策略获取服务，如果获取服务失败则在指定时间内会进行重试，获取可用的服务。 - BestAvailableRule：会先过滤掉由于多次访问故障而处于断路器跳闸状态的服务，然后选择一个并发量最小的服务。 - ZoneAvoidanceRule：默认规则,复合判断server所在区域的性能和server的可用性选择服务器
下面实现一个自定义Ribbon的demo。
在启动该微服务的时候就能去加载我们的自定义Ribbon配置类，从而使配置生效，如：
@RibbonClient(name="MICROSERVICECLOUD-DEPT",configuration=MySelfRule.class)这个自定义配置类不能放在@ComponentScan所扫描的当前包下以及子包下，否则我们自定义的这个配置类就会被所有的Ribbon客户端所共享，也就是说我们达不到特殊化定制的目的了。
轮询策略：每台机器要求被调用5次。
package com.demo.myrule; import java.util.List; import java.util.Random; import com.netflix.client.config.IClientConfig; import com.netflix.loadbalancer.AbstractLoadBalancerRule; import com.netflix.loadbalancer.ILoadBalancer; import com.netflix.loadbalancer.Server; public class RandomRule_ZY extends AbstractLoadBalancerRule { private int total = 0; //总共被调用的次数，目前要求每台被调用5次 private int currentIndex = 0;//当前提供服务的机器号 public Server choose(ILoadBalancer lb, Object key) { if (lb == null) { return null; } Server server = null; while (server == null) { if (Thread.interrupted()) { return null; } List<Server> upList = lb.getReachableServers(); List<Server> allList = lb.getAllServers(); int serverCount = allList.size(); if (serverCount == 0) { /* * No servers. End regardless of pass, because subsequent passes * only get more restrictive. */ return null; } // int index = rand.nextInt(serverCount); // server = upList.get(index); if(total < 5) { server = upList.get(currentIndex); total++; }else { total = 0; currentIndex++; if(currentIndex >= upList.size()) { currentIndex = 0; } } if (server == null) { /* * The only time this should happen is if the server list were * somehow trimmed. This is a transient condition. Retry after * yielding. */ Thread.yield(); continue; } if (server.isAlive()) { return (server); } // Shouldn't actually happen.. but must be transient or a bug. server = null; Thread.yield(); } return server; } @Override public Server choose(Object key) { return choose(getLoadBalancer(), key); } @Override public void initWithNiwsConfig(IClientConfig clientConfig) { } }至此客户端实现了自定义Ribbon。
