1.服务负载均衡
负载均衡可分为软件负载均衡和硬件负载均衡。在我们日常开发中，一般很难接触到硬件负载均衡。但软件负载均衡还是可以接触到的，比如 Nginx。dubbo提供的也是软负载。
详细内容可以阅读dubbo官网关于负载均衡的介绍，这里总结下负载均衡的方式：
权重随机算法的 RandomLoadBalance
RandomLoadBalance 是加权随机算法的具体实现，它的算法思想很简单。假设我们有一组服务器 servers = [A, B, C]，他们对应的权重为 weights = [5, 3, 2]，权重总和为10。那么就有5/10的请求达到A服务器上，3/10和2/10分别达到B和C上。只要随机数生成器产生的随机数分布性很好，在经过多次选择后，每个服务器被选中的次数比例接近其权重比例。当调用次数比较少时，Random 产生的随机数可能会比较集中，此时多数请求会落到同一台服务器上。
最少活跃调用数算法的 LeastActiveLoadBalance
每个服务提供者对应一个活跃数 active。初始情况下，所有服务提供者活跃数均为0。每收到一个请求，活跃数加1，完成请求后则将活跃数减1，在服务运行一段时间后，性能好的服务提供者处理请求的速度更快，因此活跃数下降的也越快，此时这样的服务提供者能够优先获取到新的服务请求、这就是最小活跃数负载均衡算法的基本思想，目前此算法还引入了权重值。
基于 hash 一致性的 ConsistentHashLoadBalance
首先根据 ip 或者其他的信息为缓存节点生成一个 hash，并将这个 hash 投射到 [0, 232 - 1] 的圆环上。当有查询或写入请求时，则为缓存项的 key 生成一个 hash 值。然后查找第一个大于或等于该 hash 值的缓存节点，并到这个节点中查询或写入缓存项。如果当前节点挂了，则在下一次查询或写入缓存时，为缓存项查找另一个大于其 hash 值的缓存节点即可。
基于加权轮询算法的 RoundRobinLoadBalance
所谓轮询是指将请求轮流分配给每台服务器。举个例子，我们有三台服务器 A、B、C。我们将第一个请求分配给服务器 A，第二个请求分配给服务器 B，第三个请求分配给服务器 C，第四个请求再次分配给服务器 A。这个过程就叫做轮询。轮询是一种无状态负载均衡算法，实现简单，适用于每台服务器性能相近的场景下。加权轮询是将服务器赋一个权值，然后按照该权值进行轮训。
代码构建,本例使用轮训算法做demo
直接在yml配置文件中添加loadbalance注解就可以
开启2个服务提供者，并且使用服务消费者消费，查看日志
2.序列化
Dubbo 中支持的序列化方式：
dubbo 序列化：阿里尚未开发成熟的高效 java 序列化实现，阿里不建议在生产环境使用它
hessian2 序列化：hessian 是一种跨语言的高效二进制序列化方式。但这里实际不是原生的 hessian2 序列化，而是阿里修改过的 hessian lite，它是 dubbo RPC 默认启用的序列化方式
json 序列化：目前有两种实现，一种是采用的阿里的 fastjson 库，另一种是采用 dubbo 中自己实现的简单 json 库，但其实现都不是特别成熟，而且 json 这种文本序列化性能一般不如上面两种二进制序列化。
java 序列化：主要是采用 JDK 自带的 Java 序列化实现，性能很不理想。
dubbo自带的序列化方式不成熟，而json和java序列化性能不理想。dubbo可以使用hessian2序列化，但是hessian2是跨语言的，没有单独对java语言做优化，所以很多单独给java提供优化的工具性能比hessian2要好。我们为 dubbo 引入 Kryo 和 FST 这两种高效 Java 序列化实现，来逐步取代 hessian2。
dubbo有关序列化的实例如下：
代码构建，首先增加依赖
1
2 de.javakaffee
3 kryo-serializers
4 0.42
5
6
7
8
9 org.springframework.cloud
10 spring-cloud-starter-netflix-hystrix
11 2.0.1.RELEASE
12
13
14
15 org.springframework.cloud
16 spring-cloud-starter-netflix-hystrix-dashboard
17 2.0.1.RELEASE
18
在配置文件中增加配置的属性即可：
此时序列化配置完成，以下总结了常见序列化方式的性能
3.熔断
由于网络和自身的原因，RPC之间的调用并不能保证100%可用，如果服务器产生了宕机，同时又有大量的请求过来，就会出现雪崩，为了解决此问题，业界提出了熔断。熔断器打开后，为了避免连锁故障，通过 fallback 方法可以直接返回一个固定值。此时fallback中可以做很多逻辑处理，比喻日志或者邮件通过开发人员，及时对服务器进行问题排查，降低风险度。
代码构建，首先增加依赖
1
2
3
4 org.springframework.cloud
5 spring-cloud-starter-netflix-hystrix
6 2.0.1.RELEASE
7
8
9
10 org.springframework.cloud
11 spring-cloud-starter-netflix-hystrix-dashboard
12 2.0.1.RELEASE
13
其中第二个依赖是在熔断仪表盘中使用的。具体代码和相关解释如下如下：
熔断仪表盘的配置，这里需要注意spring boot2和1的配置是有区别的，具体可以参考官网文档
1 packagecom.edu.hello.dubbo.service.user.consumer.config;2
3 importcom.netflix.hystrix.contrib.metrics.eventstream.HystrixMetricsStreamServlet;4 importorg.springframework.boot.web.servlet.ServletRegistrationBean;5 importorg.springframework.context.annotation.Bean;6 importorg.springframework.context.annotation.Configuration;7
8 /**
9 * @ClassName HystrixDashboardConfiguration10 * @Deccription TODO11 * @Author DZ12 * @Date 2019/9/3 23:1013 **/
14 @Configuration15 public classHystrixDashboardConfiguration {16 @Bean17 publicServletRegistrationBean getServlet() {18 HystrixMetricsStreamServlet streamServlet = newHystrixMetricsStreamServlet();19 ServletRegistrationBean registrationBean = newServletRegistrationBean(streamServlet);20 registrationBean.setLoadOnStartup(1);21 registrationBean.addUrlMappings("/hystrix.stream");22 registrationBean.setName("HystrixMetricsStreamServlet");23 returnregistrationBean;24 }25 }启动服务，查看结果。这里只启动了服务消费者，没有启动服务提供者，制造服务超时。
访问http://localhost:9090/hystrix查看熔断界面，其他详细信息可以查看详细信息，其中仪表盘的访问地址是来自于config中，仪表盘如下：
访问http://localhost:9090/hystrix.stream查看熔断仪表盘界面，更加详细查看熔断相关的信息
仪表盘中相关参数解释如下：
