dubbo的负载均衡可以分为两个方面，一个是对多注册中心的负载均衡，一个是对多服务的负责均衡。dubbo的负载均衡类继承关系图如下：
这篇文章对代码进行了解析：https://www.cnblogs.com/wyq178/p/9822731.html
在org.apache.dubbo.rpc.cluster.loadbalance.AbstractLoadBalance#getWeight方法里面，对权重进行了计算，计算过程涉及到两个参数：uptime和warmup。
uptime=当前系统时间-服务端服务发布时间，该字段表示截止到现在服务运行了多久；
warmup是服务端配置的，表示服务需要的预热时间，该参数需要配置到spring配置文件中，如下：dubbo.provider.warmup=10000，服务端所有的服务预热时间都是这个值，单位是毫秒。
从上图可以看出，权重默认是100，权重最小是0,。如果服务端配置了预热时间warmup，且当前服务端还在预热期内，那么权重需要等比例的调低，权重=(已启动时间/预热时间)*权重。
上面介绍完了权重计算规则。下面介绍一下负载均衡各个实现类的功能。每个负载均衡实现类都需要实现doSelect方法。其中doSelect方法的invoks入参表示所有可用服务的List集合。
RandomLoadBalance
这是使用随机算法的负载均衡，如果每个服务的权重相同，使用代码返回对应服务下标，也就是入参invoks的下标：
ThreadLocalRandom.current().nextInt(length)
length表示服务总个数。
如果权重不同，选择服务的方式如下：
假如有五个服务，每个服务的权重为：服务S1权重100，服务S2权重200，服务S3权重140，服务S4权重230，服务S5权重300，计算出的offset=364。那么选中的服务是364-S1-S2-S3<0，所以选择服务S3。
RoundRobinLoadBalance
该类相当于轮询算法。当所有的服务权重相同时，会按照入参invoks集合从下标0开始顺次遍历使用每个服务。但是当权重不同时，遍历的顺序会有所不同。
在该类中使用了类WeightedRoundRobin，该类会记录每个服务的当前权重weight、历史权重current和最后一次遍历时间lastUpdate。其中历史权重初始化为0。
WeightedRoundRobin对象记录了服务最后一次遍历时间lastUpdate，如果发现一个服务的最后一次遍历时间与现在间隔了超过了60000毫秒，那么该服务对应的WeightedRoundRobin对象会被销毁。
该算法经历了多次修改，最新版本是2.7.5，该版本的算法是参考了Nginx。具体内容参见官网：
http://dubbo.apache.org/zh-cn/docs/source_code_guide/loadbalance.html
LeastActiveLoadBalance
该类是最小活跃数负载均衡，该算法认为活跃数越小，说明服务响应越快，自然被调用的概率越大。使用该负载均衡算法需要启用过滤器ActiveLimitFilter，在ActiveLimitFilter过滤器中对活跃数增减。
最小活跃数使用类RpcStatus记录，该类中有个常量METHOD_STATISTICS，记录每个服务对应的RpcStatus对象，RpcStatus对象的active属性即是服务活跃数。
当选出了所有的活跃数最小的服务后，然后使用RandomLoadBalance的算法，从这些服务中选出一个服务返回。
ActiveLimitFilter过滤器用于修改活跃数，当时客户端发起一次调用时，会增加1，服务端调用返回后，活跃数再减1。所以在多线程环境下，服务被多次同时调用，在服务端返回前，这些服务的活跃数都不为1，如果某个服务的响应速度非常快，那么其活跃数也会比较小。默认ActiveLimitFilter过滤器不会被启用，我们需要配置actives属性，比如：使用注解@Reference(actives=10)
ConsistentHashLoadBalance
该类使用一致性哈希算法，该类也是唯一一个忽略了权重和预热时间的算法。大家可以先在网上看一下一致性哈希算法的原理。
该类的流程是：
上述流程图中涉及到两个参数hash.nodes和hash.arguments。这两个参数的注解配置方式是：@Reference(parameters={"hash.nodes","320","hash.arguments","1,2"})，该注解的含义是hash.nodes=320，hash.arguments=1,2。
hash.arguments：当调用远程服务的时候根据服务的哪几个参数生成key，并根据key来通过一致性hash算法来选择调用节点。默认是0，如果要选取多个参数，中间用逗号分隔，比如：“1,2,3”。假如入参为args[]，hash.arguments=1,2，那么上图中计算请求值的md5=md5(args[1].toString()+args[2].toString())
hash.nodes：为虚拟节点的副本数。默认是160，也就是说每个服务在圆环上存在160个虚拟节点。
一致性哈希算法中的圆环使用TreeMap表示。
如果远程服务没有请求参数，例如calAccount()，那么在入参Invokers集合不变的前提下，任何对远程服务的调用都一直返回相同的Invoker。
源代码解析可以参考官网：
http://dubbo.apache.org/zh-cn/docs/source_code_guide/loadbalance.html
