夜雨聆风AdaptiveLoadBalance 是 Dubbo 中基于自适应负载指标的负载均衡实现，核心采用 P2C (Power of Two Choices) 算法选择低负载服务节点，以下拆解关键模块的具体实现：
一、核心结构与初始化
1. 类定义与核心属性
public class AdaptiveLoadBalance extends AbstractLoadBalance {public static final String NAME = "adaptive";// 默认负载指标维度（内存、负载）private String attachmentKey = "mem,load";// 自适应指标采集器，用于获取服务节点负载private final AdaptiveMetrics adaptiveMetrics;// 构造函数：从应用模型中获取AdaptiveMetrics实例public AdaptiveLoadBalance(ApplicationModel scopeModel) {adaptiveMetrics = scopeModel.getBeanFactory().getBean(AdaptiveMetrics.class);}}
继承 AbstractLoadBalance：复用 Dubbo 负载均衡抽象类的基础能力（如权重计算）；
AdaptiveMetrics：核心依赖，用于采集 / 计算服务节点的负载值；
attachmentKey：默认标记负载维度（内存、CPU 负载）。
二、核心选择逻辑（doSelect）
doSelect 是负载均衡的入口方法，负责最终选择服务节点，流程如下：
@Overrideprotected <T> Invoker<T> doSelect(List<Invoker<T>> invokers, URL url, Invocation invocation) {// 1. 核心：通过P2C算法选择低负载节点Invoker<T> invoker = selectByP2C(invokers, invocation);// 2. 附加信息设置：标记负载均衡类型、请求开始时间等invocation.setAttachment(Constants.ADAPTIVE_LOADBALANCE_ATTACHMENT_KEY, attachmentKey);long startTime = System.currentTimeMillis();invocation.getAttributes().put(Constants.ADAPTIVE_LOADBALANCE_START_TIME, startTime);invocation.getAttributes().put(LOADBALANCE_KEY, LoadbalanceRules.ADAPTIVE);// 3. 指标埋点：记录消费端请求数、选择节点耗时adaptiveMetrics.addConsumerReq(getServiceKey(invoker, invocation));adaptiveMetrics.setPickTime(getServiceKey(invoker, invocation), startTime);return invoker;}
关键动作：
调用 selectByP2C 执行核心节点选择；
向 Invocation 中注入负载均衡标记、请求开始时间等元数据；
通过 AdaptiveMetrics 记录请求数、选择耗时等监控指标。
三、P2C 算法实现（selectByP2C）
P2C 核心逻辑：随机选两个节点，比较负载后选更低的那个，避免全量节点遍历，兼顾性能与均衡性：
private <T> Invoker<T> selectByP2C(List<Invoker<T>> invokers, Invocation invocation) {int length = invokers.size();// 1. 只有1个节点：直接返回if (length == 1) {return invokers.get(0);}// 2. 只有2个节点：直接比较两者负载if (length == 2) {return chooseLowLoadInvoker(invokers.get(0), invokers.get(1), invocation);}// 3. 多节点：随机选两个不重复的节点int pos1 = ThreadLocalRandom.current().nextInt(length);int pos2 = ThreadLocalRandom.current().nextInt(length - 1);if (pos2 >= pos1) {pos2 = pos2 + 1; // 避免pos2与pos1重复}// 4. 比较两个随机节点的负载，选更低的return chooseLowLoadInvoker(invokers.get(pos1), invokers.get(pos2), invocation);}
核心细节：
随机选点：通过 ThreadLocalRandom 生成随机索引，避免多线程竞争；
去重逻辑：pos2 >= pos1 时 pos2+1，确保两个随机索引不重复；
最终决策：委托 chooseLowLoadInvoker 比较两个节点的负载。
四、低负载节点选择（chooseLowLoadInvoker）
核心逻辑：计算两个节点的综合负载值，选择负载更低的节点，负载计算结合权重、超时时间、自适应指标：
private <T> Invoker<T> chooseLowLoadInvoker(Invoker<T> invoker1, Invoker<T> invoker2, Invocation invocation) {// 1. 获取两个节点的权重（继承自AbstractLoadBalance）int weight1 = getWeight(invoker1, invocation);int weight2 = getWeight(invoker2, invocation);// 2. 获取两个节点的超时时间（基于URL/方法配置）int timeout1 = getTimeout(invoker1, invocation);int timeout2 = getTimeout(invoker2, invocation);// 3. 计算综合负载值（通过AdaptiveMetrics），转换为long避免浮点数精度问题long load1 = Double.doubleToLongBits(adaptiveMetrics.getLoad(getServiceKey(invoker1, invocation), weight1, timeout1));long load2 = Double.doubleToLongBits(adaptiveMetrics.getLoad(getServiceKey(invoker2, invocation), weight2, timeout2));// 4. 负载相等时：按权重随机，权重和为0则纯随机if (load1 == load2) {int totalWeight = weight1 + weight2;if (totalWeight > 0) {int offset = ThreadLocalRandom.current().nextInt(totalWeight);return offset < weight1 ? invoker1 : invoker2;}return ThreadLocalRandom.current().nextInt(2) == 0 ? invoker1 : invoker2;}// 5. 负载不等：选负载更低的节点return load1 > load2 ? invoker2 : invoker1;}
关键依赖：
getWeight：继承自 AbstractLoadBalance，计算节点权重（考虑预热、配置等）；
getTimeout：获取节点的方法级超时时间（优先级：方法配置 > 全局配置 > 默认值）；
adaptiveMetrics.getLoad：核心负载计算逻辑（外部实现），输入「服务标识、权重、超时时间」，返回综合负载值。
五、服务标识生成（getServiceKey/buildServiceKey）
为每个节点生成唯一标识，用于 AdaptiveMetrics 关联负载数据：
private String getServiceKey(Invoker<?> invoker, Invocation invocation) {// 缓存复用：避免重复生成String key = (String) invocation.getAttributes().get(invoker);if (StringUtils.isNotEmpty(key)) {return key;}// 构建新标识：地址 + 协议服务键key = buildServiceKey(invoker, invocation);invocation.getAttributes().put(invoker, key);return key;}private String buildServiceKey(Invoker<?> invoker, Invocation invocation) {URL url = invoker.getUrl();StringBuilder sb = new StringBuilder(128);sb.append(url.getAddress()).append(":").append(invocation.getProtocolServiceKey());return sb.toString();}
设计目的：
缓存复用：将生成的标识存入 Invocation 属性，避免重复计算；
唯一性：地址（IP:Port） + 协议服务键 确保不同节点 / 服务的标识不重复。
六、超时时间获取（getTimeout）
精准获取方法级超时时间，影响负载计算：
private int getTimeout(Invoker<?> invoker, Invocation invocation) {URL url = invoker.getUrl();String methodName = RpcUtils.getMethodName(invocation);return (int)RpcUtils.getTimeout(url, methodName, RpcContext.getClientAttachment(), invocation, DEFAULT_TIMEOUT);}
优先级逻辑（Dubbo 通用规则）：
方法级配置（method.xxx.timeout）；
客户端附件（RpcContext）；
全局配置（timeout）；
默认值（DEFAULT_TIMEOUT，通常为 1000ms）。
核心设计总结
该实现的核心优势是轻量高效（仅比较两个随机节点），同时通过 AdaptiveMetrics 接入动态负载指标，适配服务节点的实时状态变化。
