詳解SpringCloud的負載均衡

更新時間：2021年03月11日 09:08:52 作者：拾萬個為什么

這篇文章主要介紹了SpringCloud的負載均衡的相關(guān)資料，幫助大家更好的理解和學習使用SpringCloud，感興趣的朋友可以了解下

1.RandomRule:表示隨機策略，它將從服務清單中隨機選擇一個服務；
2.ClientConfigEnabledRoundRobinRule：ClientConfigEnabledRoundRobinRule并沒有實現(xiàn)什么特殊的處理邏輯，但是他的子類可以實現(xiàn)一些高級策略，當一些本身的策略無法實現(xiàn)某些需求的時候，它也可以做為父類幫助實現(xiàn)某些策略，一般情況下我們都不會使用它；
3.RetryRule：是對選定的負載均衡策略加上重試機制，即在一個配置好的時間段內(nèi)（默認500ms），當選擇實例不成功，則一直嘗試使用subRule的方式選擇一個可用的實例，在調(diào)用時間到達閥值的時候還沒找到可用服務，則返回空，如果沒有配置負載策略，默認輪詢(即“4”中的輪詢)；
4.RoundRobinRule:輪詢策略，它會從服務清單中按照輪詢的方式依次選擇每個服務實例，它的工作原理是：直接獲取下一個可用實例，如果超過十次沒有獲取到可用的服務實例，則返回空且報出異常信息；

一.什么是負載均衡

負載均衡(Load-balance LB)，指的是將用戶的請求平攤分配到各個服務器上，從而達到系統(tǒng)的高可用。常見的負載均衡軟件有Nginx、lvs等。

二.負載均衡的簡單分類

1）集中式LB：集中式負載均衡指的是，在服務消費者(client)和服務提供者(provider)之間提供負載均衡設施，通過該設施把消費者(client)的請求通過某種策略轉(zhuǎn)發(fā)給服務提供者(provider),常見的集中式負載均衡是Nginx；

2）進程式LB:將負載均衡的邏輯集成到消費者(client)身上，即消費者從服務注冊中心獲取服務列表，獲知有哪些地址可用，再從這些地址里選出合適的服務器，springCloud的Ribbon就是一個進程式的負載均衡工具。

三.為什么需要做負載均衡

1) 不做負載均衡，可能導致某臺機子負荷太重而掛掉；

2）導致資源浪費，比如某些機子收到太多的請求，肯定會導致某些機子收到很少請求甚至收不到請求，這樣會浪費系統(tǒng)資源。

四.springCloud如何開啟負載均衡

1）在消費者子工程的pom.xml文件的加入相關(guān)依賴(https://mvnrepository.com/artifact/org.springframework.cloud/spring-cloud-starter-ribbon/1.4.7.RELEASE)；

<!-- https://mvnrepository.com/artifact/org.springframework.cloud/spring-cloud-starter-ribbon -->
<dependency>
 <groupId>org.springframework.cloud</groupId>
 <artifactId>spring-cloud-starter-ribbon</artifactId>
 <version>1.4.7.RELEASE</version>
</dependency>

消費者需要獲取服務注冊中心的注冊列表信息,把Eureka的依賴包也放進pom.xml

 <dependency>
   <groupId>org.springframework.cloud</groupId>
   <artifactId>spring-cloud-starter-eureka-server</artifactId>
   <version>1.4.7.RELEASE</version>
 </dependency>

2)在application.yml里配置服務注冊中心的信息

在該消費者(client)的application.yml里配置Eureka的信息

#配置Eureka
eureka:
 client:
 #是否注冊自己到服務注冊中心，消費者不用提供服務
 register-with-eureka: false
 service-url:
  #訪問的url
  defaultZone: http://localhost:8002/eureka/

3)在消費者啟動類上面加上注解@EnableEurekaClient

@EnableEurekaClient

4）在配置文件的Bean上加上

 @Bean
 @LoadBalanced
 public RestTemplate getRestTemplate(){
  return new RestTemplate();
 }

五.IRule

什么是IRule

IRule接口代表負載均衡的策略，它的不同的實現(xiàn)類代表不同的策略，它的四種實現(xiàn)類和它的關(guān)系如下()

說明一下(idea找Irule的方法：ctrl+n 填入IRule進行查找)

1.RandomRule:表示隨機策略，它將從服務清單中隨機選擇一個服務；

public class RandomRule extends AbstractLoadBalancerRule {
 public RandomRule() {
 }

 @SuppressWarnings({"RCN_REDUNDANT_NULLCHECK_OF_NULL_VALUE"})
 //傳入一個負載均衡器
 public Server choose(ILoadBalancer lb, Object key) {
  if (lb == null) {
   return null;
  } else {
   Server server = null;
   while(server == null) {
    if (Thread.interrupted()) {
     return null;
    }
    //通過負載均衡器獲取對應的服務列表
    List<Server> upList = lb.getReachableServers();
    //通過負載均衡器獲取全部服務列表
    List<Server> allList = lb.getAllServers();
    int serverCount = allList.size();
    if (serverCount == 0) {
     return null;
    }
    //獲取一個隨機數(shù)
    int index = this.chooseRandomInt(serverCount);
    //通過這個隨機數(shù)從列表里獲取服務
    server = (Server)upList.get(index);
    if (server == null) {
     //當前線程轉(zhuǎn)為就緒狀態(tài)，讓出cpu
     Thread.yield();
    } else {
     if (server.isAlive()) {
      return server;
     }

     server = null;
     Thread.yield();
    }
   }

   return server;
  }
 }

小結(jié)：通過獲取到的所有服務的數(shù)量，以這個數(shù)量為標準獲取一個(0,服務數(shù)量)的數(shù)作為獲取服務實例的下標，從而獲取到服務實例

2.ClientConfigEnabledRoundRobinRule：ClientConfigEnabledRoundRobinRule并沒有實現(xiàn)什么特殊的處理邏輯，但是他的子類可以實現(xiàn)一些高級策略，當一些本身的策略無法實現(xiàn)某些需求的時候，它也可以做為父類幫助實現(xiàn)某些策略，一般情況下我們都不會使用它；

public class ClientConfigEnabledRoundRobinRule extends AbstractLoadBalancerRule {
 //使用“4”中的RoundRobinRule策略
 RoundRobinRule roundRobinRule = new RoundRobinRule();

 public ClientConfigEnabledRoundRobinRule() {
 }

 public void initWithNiwsConfig(IClientConfig clientConfig) {
  this.roundRobinRule = new RoundRobinRule();
 }

 public void setLoadBalancer(ILoadBalancer lb) {
  super.setLoadBalancer(lb);
  this.roundRobinRule.setLoadBalancer(lb);
 }

 public Server choose(Object key) {
  if (this.roundRobinRule != null) {
   return this.roundRobinRule.choose(key);
  } else {
   throw new IllegalArgumentException("This class has not been initialized with the RoundRobinRule class");
  }
 }
}

小結(jié)：用來作為父類，子類通過實現(xiàn)它來實現(xiàn)一些高級負載均衡策略

1）ClientConfigEnabledRoundRobinRule的子類BestAvailableRule：從該策略的名字就可以知道，bestAvailable的意思是最好獲取的，該策略的作用是獲取到最空閑的服務實例；

public class BestAvailableRule extends ClientConfigEnabledRoundRobinRule {
 //注入負載均衡器，它可以選擇服務實例
 private LoadBalancerStats loadBalancerStats;

 public BestAvailableRule() {
 }

 public Server choose(Object key) {
  //假如負載均衡器實例為空，采用它父類的負載均衡機制，也就是輪詢機制，因為它的父類采用的就是輪詢機制
  if (this.loadBalancerStats == null) {
   return super.choose(key);
  } else {
   //獲取所有服務實例并放入列表里
   List<Server> serverList = this.getLoadBalancer().getAllServers();
   //并發(fā)量
   int minimalConcurrentConnections = 2147483647;
   long currentTime = System.currentTimeMillis();
   Server chosen = null;
   Iterator var7 = serverList.iterator();
   //遍歷服務列表
   while(var7.hasNext()) {
    Server server = (Server)var7.next();
    ServerStats serverStats = this.loadBalancerStats.getSingleServerStat(server);
    //淘汰掉已經(jīng)負載的服務實例
    if (!serverStats.isCircuitBreakerTripped(currentTime)) {
     //獲得當前服務的請求量(并發(fā)量)
     int concurrentConnections = serverStats.getActiveRequestsCount(currentTime);
     //找出并發(fā)了最小的服務
     if (concurrentConnections < minimalConcurrentConnections) {
      minimalConcurrentConnections = concurrentConnections;
      chosen = server;
     }
    }
   }

   if (chosen == null) {
    return super.choose(key);
   } else {
    return chosen;
   }
  }
 }

 public void setLoadBalancer(ILoadBalancer lb) {
  super.setLoadBalancer(lb);
  if (lb instanceof AbstractLoadBalancer) {
   this.loadBalancerStats = ((AbstractLoadBalancer)lb).getLoadBalancerStats();
  }

 }
}

小結(jié)：ClientConfigEnabledRoundRobinRule子類之一，獲取到并發(fā)了最少的服務

2）ClientConfigEnabledRoundRobinRule的另一個子類是PredicateBasedRule：通過源碼可以看出它是一個抽象類，它的抽象方法getPredicate()返回一個AbstractServerPredicate的實例，然后它的choose方法調(diào)用AbstractServerPredicate類的chooseRoundRobinAfterFiltering方法獲取具體的Server實例并返回

public abstract class PredicateBasedRule extends ClientConfigEnabledRoundRobinRule {
 public PredicateBasedRule() {
 }
 //獲取AbstractServerPredicate對象
 public abstract AbstractServerPredicate getPredicate();

 public Server choose(Object key) {
  //獲取當前策略的負載均衡器
  ILoadBalancer lb = this.getLoadBalancer();
  //通過AbstractServerPredicate的子類過濾掉一部分實例(它實現(xiàn)了Predicate)
  //以輪詢的方式從過濾后的服務里選擇一個服務
  Optional<Server> server = this.getPredicate().chooseRoundRobinAfterFiltering(lb.getAllServers(), key);
  return server.isPresent() ? (Server)server.get() : null;
 }
}

再看看它的chooseRoundRobinAfterFiltering()方法是如何實現(xiàn)的

public Optional<Server> chooseRoundRobinAfterFiltering(List<Server> servers, Object loadBalancerKey) {
  List<Server> eligible = this.getEligibleServers(servers, loadBalancerKey);
  return eligible.size() == 0 ? Optional.absent() : Optional.of(eligible.get(this.incrementAndGetModulo(eligible.size())));
 }

是這樣的，先通過this.getEligibleServers(servers, loadBalancerKey)方法獲取一部分實例，然后判斷這部分實例是否為空，如果不為空則調(diào)用eligible.get(this.incrementAndGetModulo(eligible.size())方法從這部分實例里獲取一個服務，點進this.getEligibleServers看

public List<Server> getEligibleServers(List<Server> servers, Object loadBalancerKey) {
  if (loadBalancerKey == null) {
   return ImmutableList.copyOf(Iterables.filter(servers, this.getServerOnlyPredicate()));
  } else {
   List<Server> results = Lists.newArrayList();
   Iterator var4 = servers.iterator();

   while(var4.hasNext()) {
    Server server = (Server)var4.next();
    //條件滿足
    if (this.apply(new PredicateKey(loadBalancerKey, server))) {
     //添加到集合里
     results.add(server);
    }
   }

   return results;
  }
 }

getEligibleServers方法是根據(jù)this.apply(new PredicateKey(loadBalancerKey, server))進行過濾的，如果滿足，就添加到返回的集合中。符合什么條件才可以進行過濾呢？可以發(fā)現(xiàn)，apply是用this調(diào)用的，this指的是AbstractServerPredicate(它的類對象)，但是，該類是個抽象類，該實例是不存在的，需要子類去實現(xiàn),它的子類在這里暫時不是看了，以后有空再深入學習下，它的子類如下，實現(xiàn)哪個子類，就用什么方式過濾。

再回到chooseRoundRobinAfterFiltering()方法，剛剛說完它通過 getEligibleServers方法過濾并獲取到一部分實例，然后再通過this.incrementAndGetModulo(eligible.size())方法從這部分實例里選擇一個實例返回，該方法的意思是直接返回下一個整數(shù)（索引值），通過該索引值從返回的實例列表中取得Server實例。

private int incrementAndGetModulo(int modulo) {
  //當前下標
  int current;
  //下一個下標
  int next;
  do {
   //獲得當前下標值
   current = this.nextIndex.get();
   next = (current + 1) % modulo;
  } while(!this.nextIndex.compareAndSet(current, next) || current >= modulo);

  return current;
 }

源碼擼明白了，再來理一下chooseRoundRobinAfterFiltering()的思路：先通過getEligibleServers()方法獲得一部分服務實例，再從這部分服務實例里拿到當前服務實例的下一個服務對象使用。

小結(jié)：通過AbstractServerPredicate的chooseRoundRobinAfterFiltering方法進行過濾，獲取備選的服務實例清單，然后用線性輪詢選擇一個實例，是一個抽象類，過濾策略在AbstractServerPredicate的子類中具體實現(xiàn)

3.RetryRule：是對選定的負載均衡策略加上重試機制，即在一個配置好的時間段內(nèi)（默認500ms），當選擇實例不成功，則一直嘗試使用subRule的方式選擇一個可用的實例，在調(diào)用時間到達閥值的時候還沒找到可用服務，則返回空，如果沒有配置負載策略，默認輪詢(即“4”中的輪詢)；

先貼上它的源碼

public class RetryRule extends AbstractLoadBalancerRule {
 //從這可以看出，默認使用輪詢機制
 IRule subRule = new RoundRobinRule();
 //500秒的閥值
 long maxRetryMillis = 500L;
 //無參構(gòu)造函數(shù)
 public RetryRule() {
 }
 //使用輪詢機制
 public RetryRule(IRule subRule) {
  this.subRule = (IRule)(subRule != null ? subRule : new RoundRobinRule());
 }

 public RetryRule(IRule subRule, long maxRetryMillis) {
  this.subRule = (IRule)(subRule != null ? subRule : new RoundRobinRule());
  this.maxRetryMillis = maxRetryMillis > 0L ? maxRetryMillis : 500L;
 }
 
 public void setRule(IRule subRule) {
  this.subRule = (IRule)(subRule != null ? subRule : new RoundRobinRule());
 }

 public IRule getRule() {
  return this.subRule;
 }
 //設置最大耗時時間(閥值)，最多重試多久
 public void setMaxRetryMillis(long maxRetryMillis) {
  if (maxRetryMillis > 0L) {
   this.maxRetryMillis = maxRetryMillis;
  } else {
   this.maxRetryMillis = 500L;
  }

 }
 //獲取重試的時間
 public long getMaxRetryMillis() {
  return this.maxRetryMillis;
 }
 //設置負載均衡器，用以獲取服務
 public void setLoadBalancer(ILoadBalancer lb) {
  super.setLoadBalancer(lb);
  this.subRule.setLoadBalancer(lb);
 }
 //通過負載均衡器選擇服務
 public Server choose(ILoadBalancer lb, Object key) {
  long requestTime = System.currentTimeMillis();
  //當前時間+閥值 = 截止時間
  long deadline = requestTime + this.maxRetryMillis;
  Server answer = null;
  answer = this.subRule.choose(key);
  //獲取到服務直接返回
  if ((answer == null || !answer.isAlive()) && System.currentTimeMillis() < deadline) {
   InterruptTask task = new InterruptTask(deadline - System.currentTimeMillis());
   //獲取不到服務的情況下反復獲取
   while(!Thread.interrupted()) {
    answer = this.subRule.choose(key);
    if (answer != null && answer.isAlive() || System.currentTimeMillis() >= deadline) {
     break;
    }

    Thread.yield();
   }

   task.cancel();
  }

  return answer != null && answer.isAlive() ? answer : null;
 }

 public Server choose(Object key) {
  return this.choose(this.getLoadBalancer(), key);
 }

 public void initWithNiwsConfig(IClientConfig clientConfig) {
 }
}

小結(jié)：采用RoundRobinRule的選擇機制，進行反復嘗試，當花費時間超過設置的閾值maxRetryMills時，就返回null

4.RoundRobinRule:輪詢策略，它會從服務清單中按照輪詢的方式依次選擇每個服務實例，它的工作原理是：直接獲取下一個可用實例，如果超過十次沒有獲取到可用的服務實例，則返回空且報出異常信息；

public class RoundRobinRule extends AbstractLoadBalancerRule {
 private AtomicInteger nextServerCyclicCounter;
 private static final boolean AVAILABLE_ONLY_SERVERS = true;
 private static final boolean ALL_SERVERS = false;
 private static Logger log = LoggerFactory.getLogger(RoundRobinRule.class);

 public RoundRobinRule() {
  this.nextServerCyclicCounter = new AtomicInteger(0);
 }

 public RoundRobinRule(ILoadBalancer lb) {
  this();
  this.setLoadBalancer(lb);
 }

 public Server choose(ILoadBalancer lb, Object key) {
  if (lb == null) {
   log.warn("no load balancer");
   return null;
  } else {
   Server server = null;
   int count = 0;

   while(true) {
    //選擇十次，十次都沒選到可用服務就返回空
    if (server == null && count++ < 10) {
     List<Server> reachableServers = lb.getReachableServers();
     List<Server> allServers = lb.getAllServers();
     int upCount = reachableServers.size();
     int serverCount = allServers.size();
     if (upCount != 0 && serverCount != 0) {
      int nextServerIndex = this.incrementAndGetModulo(serverCount);
      server = (Server)allServers.get(nextServerIndex);
      if (server == null) {
       Thread.yield();
      } else {
       if (server.isAlive() && server.isReadyToServe()) {
        return server;
       }

       server = null;
      }
      continue;
     }

     log.warn("No up servers available from load balancer: " + lb);
     return null;
    }

    if (count >= 10) {
     
     log.warn("No available alive servers after 10 tries from load balancer: " + lb);
    }

    return server;
   }
  }
 }
 
 //遞增的形式實現(xiàn)輪詢
 private int incrementAndGetModulo(int modulo) {
  int current;
  int next;
  do {
   current = this.nextServerCyclicCounter.get();
   next = (current + 1) % modulo;
  } while(!this.nextServerCyclicCounter.compareAndSet(current, next));

  return next;
 }

 public Server choose(Object key) {
  return this.choose(this.getLoadBalancer(), key);
 }

 public void initWithNiwsConfig(IClientConfig clientConfig) {
 }
}

小結(jié)：采用線性輪詢機制循環(huán)依次選擇每個服務實例，直到選擇到一個不為空的服務實例或循環(huán)次數(shù)達到10次

它有個子類WeightedResponseTimeRule，WeightedResponseTimeRule是對RoundRobinRule的優(yōu)化。WeightedResponseTimeRule在其父類的基礎(chǔ)上，增加了定時任務這個功能，通過啟動一個定時任務來計算每個服務的權(quán)重，然后遍歷服務列表選擇服務實例，從而達到更加優(yōu)秀的分配效果。我們這里把這個類分為三部分：定時任務，計算權(quán)值，選擇服務

1）定時任務

//定時任務
void initialize(ILoadBalancer lb) {
  if (this.serverWeightTimer != null) {
   this.serverWeightTimer.cancel();
  }

  this.serverWeightTimer = new Timer("NFLoadBalancer-serverWeightTimer-" + this.name, true);
  //開啟一個任務，每30秒執(zhí)行一次
  this.serverWeightTimer.schedule(new WeightedResponseTimeRule.DynamicServerWeightTask(), 0L, (long)this.serverWeightTaskTimerInterval);
  WeightedResponseTimeRule.ServerWeight sw = new WeightedResponseTimeRule.ServerWeight();
  sw.maintainWeights();
  Runtime.getRuntime().addShutdownHook(new Thread(new Runnable() {
   public void run() {
    WeightedResponseTimeRule.logger.info("Stopping NFLoadBalancer-serverWeightTimer-" + WeightedResponseTimeRule.this.name);
    WeightedResponseTimeRule.this.serverWeightTimer.cancel();
   }
  }));
 }

DynamicServerWeightTask()任務如下：

class DynamicServerWeightTask extends TimerTask {
  DynamicServerWeightTask() {
  }

  public void run() {
   WeightedResponseTimeRule.ServerWeight serverWeight = WeightedResponseTimeRule.this.new ServerWeight();

   try {
    //計算權(quán)重
    serverWeight.maintainWeights();
   } catch (Exception var3) {
    WeightedResponseTimeRule.logger.error("Error running DynamicServerWeightTask for {}", WeightedResponseTimeRule.this.name, var3);
   }

  }
 }

小結(jié)：調(diào)用initialize方法開啟定時任務，再在任務里計算服務的權(quán)重

2）計算權(quán)重：第一步，先算出所有實例的響應時間；第二步，再根據(jù)所有實例響應時間，算出每個實例的權(quán)重

//用來存儲權(quán)重
private volatile List<Double> accumulatedWeights = new ArrayList();

//內(nèi)部類
class ServerWeight {
  ServerWeight() {
  }
  //該方法用于計算權(quán)重
  public void maintainWeights() {
   //獲取負載均衡器
   ILoadBalancer lb = WeightedResponseTimeRule.this.getLoadBalancer();
   if (lb != null) {
    if (WeightedResponseTimeRule.this.serverWeightAssignmentInProgress.compareAndSet(false, true)) {
     try {
      WeightedResponseTimeRule.logger.info("Weight adjusting job started");
      AbstractLoadBalancer nlb = (AbstractLoadBalancer)lb;
      //獲得每個服務實例的信息
      LoadBalancerStats stats = nlb.getLoadBalancerStats();
      if (stats != null) {
       //實例的響應時間
       double totalResponseTime = 0.0D;

       ServerStats ss;
       //累加所有實例的響應時間
       for(Iterator var6 = nlb.getAllServers().iterator(); var6.hasNext(); totalResponseTime += ss.getResponseTimeAvg()) {
        Server server = (Server)var6.next();
        ss = stats.getSingleServerStat(server);
       }

       Double weightSoFar = 0.0D;
       List<Double> finalWeights = new ArrayList();
       Iterator var20 = nlb.getAllServers().iterator();
       //計算負載均衡器所有服務的權(quán)重，公式是weightSoFar = weightSoFar + weight-實例平均響應時間
       while(var20.hasNext()) {
        Server serverx = (Server)var20.next();
        ServerStats ssx = stats.getSingleServerStat(serverx);
        double weight = totalResponseTime - ssx.getResponseTimeAvg();
        weightSoFar = weightSoFar + weight;
        finalWeights.add(weightSoFar);
       }

       WeightedResponseTimeRule.this.setWeights(finalWeights);
       return;
      }
     } catch (Exception var16) {
      WeightedResponseTimeRule.logger.error("Error calculating server weights", var16);
      return;
     } finally {
      WeightedResponseTimeRule.this.serverWeightAssignmentInProgress.set(false);
     }

    }
   }
  }
 }

3）選擇服務

@SuppressWarnings({"RCN_REDUNDANT_NULLCHECK_OF_NULL_VALUE"})
 public Server choose(ILoadBalancer lb, Object key) {
  if (lb == null) {
   return null;
  } else {
   Server server = null;

   while(server == null) {
    List<Double> currentWeights = this.accumulatedWeights;
    if (Thread.interrupted()) {
     return null;
    }

    List<Server> allList = lb.getAllServers();
    int serverCount = allList.size();
    if (serverCount == 0) {
     return null;
    }

    int serverIndex = 0;
    
    double maxTotalWeight = currentWeights.size() == 0 ? 0.0D : (Double)currentWeights.get(currentWeights.size() - 1);
    if (maxTotalWeight >= 0.001D && serverCount == currentWeights.size()) {
     //生產(chǎn)0到最大權(quán)重值的隨機數(shù)
     double randomWeight = this.random.nextDouble() * maxTotalWeight;
     int n = 0;
     //循環(huán)權(quán)重區(qū)間
     for(Iterator var13 = currentWeights.iterator(); var13.hasNext(); ++n) {
      //獲取到循環(huán)的數(shù)
      Double d = (Double)var13.next();
      //假如隨機數(shù)在這個區(qū)間內(nèi)，就拿該索引d服務列表獲取對應的實例
      if (d >= randomWeight) {
       serverIndex = n;
       break;
      }
     }

     server = (Server)allList.get(serverIndex);
    } else {
     server = super.choose(this.getLoadBalancer(), key);
     if (server == null) {
      return server;
     }
    }

    if (server == null) {
     Thread.yield();
    } else {
     if (server.isAlive()) {
      return server;
     }

     server = null;
    }
   }

   return server;
  }
 }

小結(jié)：首先生成了一個[0，最大權(quán)重值）區(qū)間內(nèi)的隨機數(shù)，然后遍歷權(quán)重列表，假如當前隨機數(shù)在這個區(qū)間內(nèi)，就通過該下標獲得對應的服務。

以上就是詳解SpringCloud的負載均衡的詳細內(nèi)容，更多關(guān)于SpringCloud 負載均衡的資料請關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章: